ارزیابی ویژگی ها برای تشخیص بازدیدکنندگان مخرب و غیر مخرب وب سایت ها مبتنی بر روش های داده کاوی
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,711
This Paper With 11 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:
AISST01_142
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
در این مقاله بازدیدکنندگان وب سایت ها به چهار گروه انسان، روبات وب با رفتار خوب، روبات وب با رفتار مخرب و بازدیدکنندگان ناشناخته تقسیم بندی شده است. روبات های وب یا خزنده های وب برنامه های نرم افزاری هستند که دائماً به صورت خودکار ساختار لینک های وب سایت ها را مورد پیمایش قرار می دهند. هدف روبات های وب کشف و بازیابی محتوا و دانش از وب می باشد. این روبات ها هم به منظور اعمال مفیدی مانند کشف لینک های خراب و هم اعمال مخربی مانند حمله توزیع شده مختل کننده سرویس طراحی شده اند. تشخیص و دسته بندی روبات های وبی که تلاش در تقلید رفتار انسان دارند به عنوان مهم ترین چالش دسته بندی است. در این مقاله برای تشخیص بازدیدکنندگان مخرب و غیر مخرب وب سایت ها سه ویژگی جدید معرفی شده است. ویژگی های بیان شده در مقالات گذشته بعلاوه سه ویژگی جدید با استفاده از روش های شبکه عصبی، ماشین بردار پشتیبان، C4.5، شبکه بیزین و شبکه باور بیزی مقایسه شده است. استخراج ویژگی های جدید برای تشخیص بازدیدکنندگان وب سایت ها باعث شد که دقت دسته بندی در مقایسه با روش های دیگر با ویژگی های کمتر، بهبود یابد و همچنین نشان داده شده است هر چه تعداد مجموعه داده آموزش بیشتر باشد دقت دسته بندی بهتر خواهد بود.
Keywords:
Authors
سوده لایقی
دانشگاه آزاد اسلامی واحد مشهد گروه کامپیوتر نرم افزار
امیرحسین زارعی
دانشگاه آزاد اسلامی واحد مشهد گروه کامپیوتر نرم افزار
مجید وفایی جهان
دانشگاه آزاد اسلامی واحد مشهد گروه کامپیوتر نرم افزار
مهرداد جلالی
دانشگاه آزاد اسلامی واحد مشهد گروه کامپیوتر نرم افزار
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 :