CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

دسته بندی متون رمزنگاری شده با استفاده از یادگیری ژرف

عنوان مقاله: دسته بندی متون رمزنگاری شده با استفاده از یادگیری ژرف
شناسه ملی مقاله: CITCONF03_397
منتشر شده در سومین کنفرانس بین المللی پژوهشهای کاربردی در مهندسی کامپیوتر و فن آوری اطلاعات در سال 1394
مشخصات نویسندگان مقاله:

محسن فیاض - دانشجوی کارشناسی ارشد هوش مصنوعی مجتمع دانشگاهی فناوری اطلاعات ارتباطات و امنیت دانشگاه صنعتی مالک اشتر تهران
محمد حاجی زاده صفار - دانشجوی کارشناسی ارشد هوش مصنوعی مجتمع دانشگاهی فناوری اطلاعات ارتباطات و امنیت دانشگاه صنعتی مالک اشتر تهران
مریم حورعلی - استادیار گروه علمی هوش مصنوعی مجتمع دانشگاهی فناوری اطلاعات ارتباطات و امنیت دانشگاه صنعتی مالک اشتر تهران

خلاصه مقاله:
در این مقاله به دنبال ارائه روشی برای شناسایی الگوریتم استفاده شده برای متون رمزنگاری شده در فایلهای متنی هستیم فرآیند شناسایی الگوریتم رمزنگاری از روی متون رمزنگاری شده با عنوان دسته بندی متن نیزشناخته می شودروشهای مختلفی برای دسته بندی الگوریتم رمزنگاری ارائه شدهاست در این مقاله به دنبال ارائه روشی مبتنی بر یادگیری ژرف هستیم برای محاسسبه کارایی سامانه از سه الگوریتم پرکاربرد در حوزه رمزنگاری با نام BLOWFISH,RC5,AES استفاده شده است. کارایی سامانه پیشنهادی در دسته بندی الگوریتمها به 98.9 درصد رسیده است

کلمات کلیدی:
دسته بندی متون؛ یادگیری ویژگیها؛ یادگیری ژرف؛ شبکه عصبی؛ خودرمزکننده

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/466968/