پیش بینی حوادث سایبری مهم ۱ با استفاده از داده کاوی۲ و یادگیری ماشینی ۳
Publish place: The 7th National Conference on New Technologies in Electrical, Computer and Mechanical Engineering of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 26
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF07_023
تاریخ نمایه سازی: 20 مرداد 1403
Abstract:
رشد سریع فناوری و دستگاه های اینترنت اشیا، فضای مجازی را ناامن کرده و این منجر به وقوع حوادث سایبری می شود. امنیت سایبری فرآیند و تکنیکی است که براساس آن سیستم هایی را که به واسطه اتصال به اینترنت در معرض انواع حوادث سایبری قرار دارند را محافظت می کند.با افزایش گستره حوادث و حملات سایبری، داده کاوی و یادگیری ماشین نقش مهمی در تامین امنیت سایبری علی الخصوص در پیش بینی ، پیشگیری و تشخیص حوادث سایبری مهم ایفا می کند. این مطالعه اهمیت امنیت سایبری و همچنین اثر ۱۹COVID- بر امنیت سایبری را بررسی خواهد کرد. برای همین منظور مجموعه داده های مورد آزمایش به دو زیر مجموعه (حوادث سایبری مهم قبل و بعد از همه گیری) تقسیم می شود۴.در این بررسی از تکنیک های داده کاوی برای استخراج ویژگی ها و از طبقه بندی کننده های یادگیری ماشین مانند بیز ساده (NB)، ماشین بردار پشتیبان (SVM)، رگرسیون لجستیک (LR) و جنگل تصادفی (RF) برای طبقه بندی استفاده می شوند.یک رویکرد طبقه بندی کننده متمرکز نیز برای حفظ یک مجموعه داده متمرکز واحد با گرفتن ورودی از شش قاره جهان استفاده خواهد شد. نتایج مجموعه داده های پیش از همه گیری و پس از آن با هم مقایسه می شوند و در نهایت پیش بینی می شود که کدام نوع حوادث سایبری مهم ، در کدام نقطه از جهان رخ می دهد. همچنین نتیجه گیری میشود که در پیشبینی حوادث سایبری مهم، SVM و RF طبقه بندی کنندههای بسیار بهتری نسبت بهسایرین هستند و برآورد خواهد شد که قاره آسیا بیشترین آسیب پذیری را درمیان قاره ها داشته باشد.
Keywords:
Authors
محمدعلی گرمه ای
آزاد اسلامی تهران جنوب
محمد ملکی نیا
آزاد اسلامی تهران جنوب