مهندسی برنامه های کاربردی هوش مصنوعی چاچوب بهینه برای تشخیص نفوذ در شبکه های کامپیوتری
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 739
This Paper With 9 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:
RCEITT01_231
تاریخ نمایه سازی: 11 اردیبهشت 1394
Abstract:
سیستم های شناسایی استفاده از تکنولوژی های هوش مصنوعی را مطابق پیشرفت سودمندی که در گذشته مطابق آخرین فعالیت هادنبال می شده را میسر می سازند. بنابراین پیچیدگی آنها برای یادگیری حملات جدید بسیار گران است و آنها را برای یک براینگهداری در یک زمان حقیقی و دوباره استفاده کردن غیر فعال می کند. مطابق غلبه بر یک سری محدودیت ها ما الگویی جدید ازتکنولوژی شناسایی به نام بهینه سازی مسیر جنگلOPF برای این وظایف را معرفی می کنیم. پیشنهاد ما شامل ساختن سه بخش اصلی می باشد: پیدایشOPF برای تشخیص نفوذ، برای شناسایی افزونگی در بعضی از مجموعه داده های عمومی و همچنین ایفای ویژگی انتخاب روی آنها. آزمایشات در سه مجموعه داده با هدف مقایسه در خصوصOPFدر مقابل پشتیبانی ماشین های برداری که نقشه های خود سازماندهی شده و یک کلاس بندی بیز بررسی شده است. ما نشان داده ایم که OPF سریع ترین روش سریعترین کلاس بندی را دارد و همیشه یکی از برترین نتایج را می دهد. بنابراین می تواند وسیله مناسبی برای شناسایی نفوذ روی شبکه های کامپیوتری باشد همچنین برای فراخوانی الگوریتم جهت فهمیدن حملات، سریعتر و جدید تر از دیگر تکنولوژی ها است.
Keywords:
شبکه های هوش مصنوعی , کلاس بندی مسر بهینه , الگوریتم شناساییOPF , بهینه سازی تکمیلی , افزونگی داده ها , تکنیک های بهینه سازی
Authors
زهرا طیبی قصبه
فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
عظیم مقدوری
دانشجوی کارشناسی عمران دانشگاه آزاد اسلامی واحد فومن
اسماء حسین آبادی زاده
فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
مریم هاشمی جوکار
فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر، دانشگاه پیام نور
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 :