سیستم تشخیص نفوذ بهبود یافته مبتنی بر الگوریتم ژنتیک خود تطبیق جزیره ای برای حل ماشین بردار پشتیبان به صورت یادگیری چندهسته ای با کد کننده های خودکار
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 438
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIPET-12-45_006
تاریخ نمایه سازی: 20 تیر 1400
Abstract:
نفوذ به سیستم ها از طریق زیرساخت شبکه و اینترنت یکی از چالش های امنیتی است که دنیای فناوری اطلاعات و ارتباطات را با آن روبرو کرده است و می تواند منجر به تخریب سیستم ها و دسترسی به داده ها و اطلاعات گردد. در این مقاله یک مدل ماشین بردار پشتیبان که هسته های آن وزن دار شده به همراه پارامترهای هسته های ماشین بردار پشتیبان برای سیستم تشخیص نفوذ ارائه شده است. با توجه به پیچیدگی محاسباتی این مدل، روش الگوریتم ژنتیک جزیره ای پویای خود تطبیقی پیشنهاد شده تا پیچیدگی محاسبات را کم نماید. در این روش از اتوانکودر نیز برای کاهش حجم داده ها استفاده شده است. روش پیشنهادی یک روش ترکیبی پیشنهادی مبتنی بر اتوانکودر و ماشین بردار پشتیبان بهبودیافته با الگوریتم ژنتیک جزیره ای پویای خود تطبیق است که دقت بهتری در مسائل تشخیص نفوذ را نشان میدهد. نتایج شبیه سازی بر روی مجموعه داده DARPA برای تست عملکرد مورد استفاده قرار گرفته است.
Keywords:
سیستم های تشخیص نفوذ , ماشین بردار پشتیبان , کلان داده ها , الگوریتم ژنتیک جزیره ای و الگوریتم ژنتیک خود تطبیق
Authors
الهه فقیه نیا
دانشکده مهندسی- واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
سید رضا کامل طباخ فریضنی
دانشکده مهندسی- ,واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مریم خیرآبادی
دانشکده مهندسی- واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :