ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

تحلیل شناختی مبتنی بر یادگیری ماشینی لاگ های وب

Page: 7 | View: 199 | Review: 1
Year: 1399
COI: IRANWEB06_013
Language: Persian
(This Paper With 7 Page And PDF Format Ready To Download)

Download guide

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.

قیمت این Paper : 0 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

حمید ایمانی - دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران
کوروش داداش تبار - دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران

Abstract:

لاگ ها حاوی اطلاعات ارزشمندی در مورد اقدامات کاربر بر روی وب هستند که کاربردهای فراوانی در حوزه های امنیتی، صنایع و علوم گوناگون دارند. لاگ ها یک منبع بسیار عالی برا تعیین سلامت وضعیت سیستم هستند. هر روزه حجم عظیمی از لاگ ها که فعالیت های کاربران را ثبت می کنند تولید می شوند که تحلیل آنها با روش های سنتی، کاری بسیار دشوار است بنابراین نیاز به استفاده از روش های تحلیل هوشمند و شناختی است. در حال حاضر روش های یادگیری ماشین به عنوان ابزاری کارآمد در پردازش و تحلیل اگ های وب به کار گرفته می شوند. ما در این مقاله با بهره گیری از ساختاری که از شبکه عصبی 5 لایه با 2461 پارامتر و توابع فعالسازی سیگموید، تانژانت هیپربولیک و رلو استفاده می کند، توانستیم علاوه بر هوشمند کردن شناسایی تهدیدات سایبری به نتایج مطلوبی در دقت و کمینه کردن تابع خطا بر روی لاگ های جمع آوری شده از پلتفرم EC2 آمازوم با معیار ارزیابی F1 برابر یک، در مقایسه با سایر روش های مرسوم یادگیری ماشین از قبیل خوشه بندی، درخت تصمیم، ماشین های بردار پشتیبان، تحلیل مولفه اصلی، جنگل ایزوله و رگرسیون لجستیک دست یابیم.

Keywords:

تحليل لاگ، امنيت، ياديگير ماشين، شبكه عصبي چند لايه

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1035494/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ایمانی، حمید و داداش تبار، کوروش،1399،تحلیل شناختی مبتنی بر یادگیری ماشینی لاگ های وب،ششمین کنفرانس بین المللی وب پژوهی،تهران،،،https://civilica.com/doc/1035494

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، ایمانی، حمید؛ کوروش داداش تبار)
برای بار دوم به بعد: (1399، ایمانی؛ داداش تبار)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Reviews

4.00
1 تعداد پژوهشگران نظر دهنده
5
4 1
3
2
1

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,521
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New Papers

Share this page

More information about COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

Support