انتخاب ویژگی و تشخیص نفوذ در شبکه های حسگر بی سیم با استفاده از یادگیری ماشین مفرط بدون نظارت (UELM)
Publish place: Inactive Defense Magazine، Vol: 15، Issue: 4
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 29
این Paper فقط به صورت چکیده توسط دبیرخانه ارسال شده است و فایل کامل قابل دریافت نیست. برای یافتن Papers دارای فایل کامل، از بخش [جستجوی مقالات فارسی] اقدام فرمایید.
نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_SAPD-15-4_003
Index date: 31 December 2024
انتخاب ویژگی و تشخیص نفوذ در شبکه های حسگر بی سیم با استفاده از یادگیری ماشین مفرط بدون نظارت (UELM) abstract
امروزه سیستمهای کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمن و یا نفوذ قرار گیرند. بهمنظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزم های جلوگیری از نفوذ همیشه کافی نیست و باید از سیستمهای دیگری به نام سیستمهای تشخیص نفوذ استفاده شود. بهدلیل وجود مشخصه های زیاد در داده های مربوط به سیستمهای تشخیص نفوذ، جهت استفاده از مشخصه های مطلوب و موثر از الگوریتم یادگیری ماشین مفرط بدون نظارت استفاده می شود. جهت طبقه بندی داده ها از مدل UELM و ارزیابی عملکرد روش پیشنهادی، از پایگاه داده با رکوردهای واقعی تر NSL-KDD نسبت به سایر مجموعه دادگان تشخیص نفوذ، استفاده می گردد. نتایج آزمایش ها نشان دهنده صحت ۳۸/۹۸ UELM در مقایسه با صحت ۷۴/۹۳ GWO است. دلیل این برتری، استفاده ازمدل مناسب در مسئله دسته بندی، تشخیص نفوذ، ساختار مستحکم و تعمیم پذیر شبکه عصبی بدون نظارت می باشد.
انتخاب ویژگی و تشخیص نفوذ در شبکه های حسگر بی سیم با استفاده از یادگیری ماشین مفرط بدون نظارت (UELM) Keywords:
انتخاب ویژگی و تشخیص نفوذ در شبکه های حسگر بی سیم با استفاده از یادگیری ماشین مفرط بدون نظارت (UELM) authors
حمید طباطبایی
دانشیار گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
سمیرا هادوی
کارشناسی ارشد گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، 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 :