تشخیص نفوذ سبک وزن مبتنی بر یادگیری فدرال و انتخاب ویژگی هوشمند در شبکه های نرم افزار محور
Publish place: The Second National Conference on Human-Computer Interaction: Theories and Applications
Publish Year: 1404
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 110
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
HCICONF02_051
تاریخ نمایه سازی: 26 خرداد 1405
Abstract:
افزایش تهدیدات سایبری و توسعه سامانه های هوشمند شبکه های نرم افزار محور (SDN) را در معرض چالش های امنیتی پیچیده قرار داده است. این مقاله یک مدل ترکیبی نوآورانه مبتنی بر MobileNetV۳ و الگوریتم انتخاب ویژگی ازدحام ذرات (PSO) در چارچوب یادگیری فدرال ارائه می دهد تا دقت بالا، سرعت پاسخ دهی و پایداری عملیاتی را همزمان با کاهش چشمگیر سربار ارتباطی و مصرف منابع برای IDSهای شبکه های صنعتی و IoT محقق ببخشد. آزمون های جامع روی دیتاست های UNSW-NB۱۵ و CICIDS۲۰۱۷ صورت گرفت و نتایج مقایسه ای با آثار مرجع نشان داد مدل پیشنهادی از نظر معیارهای دقت، سرعت و مقیاس پذیری عملکرد برتری دارد.
Keywords:
Authors
علی نوروزی
دانشجوی دکتری گروه کامپیوتر واحد ارومیه دانشگاه آزاد اسلامی ارومیه ایران
کامبیز مجیدزاده
استادیار گروه کامپیوتر واحد ارومیه دانشگاه آزاد اسلامی، ارومیه، ایران
