ارایه روش ترکیبی برای شناسایی و طبقه بندی ترافیک در شبکه های بی سیم
Publish place: Electronic and cyber defense، Vol: 10، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 142
This Paper With 12 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_PADSA-10-2_004
تاریخ نمایه سازی: 24 بهمن 1401
Abstract:
استفاده از رویکرد اقتضایی با بهرهگیری از ویژگیهایی از جمله مدیریت توزیع یافته بین گرهها، تسهیل در امر ورود و خروج آن ها به شبکه و امکان تحرک بهتر، یکی از گزینههای مطلوب جهت پیکربندی شبکههای بیسیم میباشد. همین امر موجب تولید ترافیک با رفتار پوی توسط نرمافزارهای کاربردی در چنین شبکههایی میشود که مسئله مدیریت شبکه و کنترل ترافیک بین گرههای را تحت تاثیر خود قرار میدهد. شناسایی و طبقهبندی ترافیک جاری در شبکه میتواند کمک شایانی به این چالش در شبکههای بیسیم کند. از آنجا که روشهای مرسوم شناسایی و طبقهبندی ترافیک قادر به ارائه عملکرد مناسب با چنین ترافیکهایی نیستند بنابراین استفاده از روشهای مبتنی بر یادگیری ماشین میتواند برای بهبود طبقهبندی ترافیک به کارگرفته شوند. از آنجا که حساسیت بالا جهت یافتن ترافیکهایی خاص نیازمند افزایش احتمال آشکارسازی و عدم ارائه تصمیم اشتباه نیازمند کاهش هشدار غلط در سامانه میباشد،بنابراین در این مقاله روشی جدید جهت افزایش دقت و بهرهوری در شناسایی وطبقهبندی ترافیک در شبکههای بیسیم اقتضایی ارائه میشود که مبتنی بر ترکیب هدفمند روشهای یادگیری ماشین میباشد. نتایج نشان میدهند که روش ارائه شده علاوه بر بهبود معیارهای ارزیابی طبقهبندی کننده ترافیک موجب افزایش احتمال آشکارسازی و کاهش نرخ هشدار غلط به نسبت به کارگیری روشهای یادگیری ماشین به صورت یکتا میباشد.
Keywords:
شبکه های اقتضایی بی سیم , ترافیک شبکه , احتمال آشکارسازی , نرخ هشدار غلط , رویکرد ترکیبی در یادگیری ماشین
Authors
مریم بازوبند
کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران
حسین بهرامگیری
استادیار، دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، 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 :