یک رویکرد مبتنی بر مدل برای توسعه سیستم های خود تطبیق
Publish place: Conference on the Development of Advanced Research in Electrical and Computer Engineering
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,005
This Paper With 7 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECCIRD01_014
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
اساسا نرم افزار خود تطبیق، نرم افزاری است که به صورت یک حلقه بازخوردی توسعه داده شده و قادر است خودش را در زمان اجرا برای پاسخگویی به تغییر نیازهای سیستم و محیط تغییر دهد. در این مقاله خود تطبیقی پیشنهادی ما یک رویکرد باز عمومی مبتنی بر یادگیری ماشین با تمرکز بر ویژگی خود حفاظتی است که به اختصار آن را OGMLB می نامیم. ما برای آزمودن OGMLB حوزه شبکه را انتخاب کردیم، در واقع هدف ما توسعه یک سیستم خود تطبیق تشخیص نفوذ در شبکه است، رویکرد ما عمومی است یعنی در دامنه های دیگر مانند پایگاه داده، رایانش ابری، محیط های توزیع شده و غیره هم کاربرد دارد. یکی از سیستم های تثبیت شده در این زمینه ML-IDS است که یک سیستم خود حفاظتی تشخیص حملات بوسیله وارسی و تحلیل ترافیک با استفاده از دانه بندی چند سطحی است که سیستم عامل را در برابر رفتارهای مخرب حفاظت می کند. ما برای تست OGMLB از شرایط محیطی و مجموعه داده های بکار گرفته شده در ML-IDS استفاده می کنیم و نتایج خود را با نتایج حاصل از آن مقایسه می کنیم.جزییات این مدل در این مقاله بررسی شده است.
Keywords:
Authors
رضا پورشهری
دانشجوی کارشناسی ارشد مهندسی نرم افزار، مهندسی کامپیوتر، دانشگاه آزاد اسلامی، بیرجند
کاظم نیک فرجام
دانشجوی دکتری مهندسی سیستم های نرم افزار، مهندسی کامپیوتر، دانشگاه آزاد اسلامی، قزوین
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 :