ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
Paper
Title

ارایه یک الگوریتم مناسب برای پیش بینی حملات سایبری مبتنی بر یادگیری

Year: 1396
COI: ELCM02_173
Language: PersianView: 307
This Paper With 20 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 20 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

پروانه سلیمانی برایجانی - دانشجوی کارشناسی ارشد دانشگاه صنعتی مالک اشتر
علی جبار رشیدی - دانشیار دانشگاه صنعتی مالک اشتر
کوروش داداش تبار احمدی - استادیار دانشگاه صنعتی مالک اشتر

Abstract:

امروزه حملات سایبری، به طور گسترده با استفاده از آسیب پذیری های موجود در شبکه ها با قابلیت ها و شیوه های مختلفی، با اهداف متنوع به ویژه حمله به دارایی های اقتصادی، سیاسی و امنیتی افراد، سازمان ها و کشورها در حال افزایش هستند. طی سال های اخیر تحقیقات گستردهای در حوزه سایبری صورت گرفته که اکثر این تحقیقات تمرکز خود را بر شناسایی و تشخیص نفوذ قرار داده اند. این سیستم ها، تشخیص خود را پس از وقوع حمله یا در حین اجرای آن صورت می دهند. حال آنکه برای افزایش توانایی و قابلیت سیستم های دفاع سایبری، نیاز به بکارگیری مدل های پیشرفته تری وجود دارد که بتوانند علاوه بر تشخیص بهنگام، راهکارهای پیش بینی و دفاع پیش دستانه را نیز فراهم و حملات را قبل از وقوع و قبل از انجام فعالیت های خرابکارانه در شبکه متوقف سازند. این مقاله پس از بررسی مهمترین روش های پیش بینی نفوذ موجود، به معرفی و ارایه یک سیستم کارآمد برای کمک به عملکرد و پاسخگویی به موقع و دقیق تر سیستم های سایبری مبتنی بر پیش بینی با برخورداری از الگوهای یادگیرنده می پردازد. سیستم ارایه شده قبل از آنکه شبکه در معرض خطر قرار گیرد آن را پایش کرده و از اطلاعات گذشته در راستای پیش بینی آینده استفاده می نماید. این سیستم پیش بینی نفوذ، می تواند کلاس یا گام بعدی حمله در حال اجرا را با بکارگیری تکنیک های یادگیری عمیق با دقت و سرعت مناسبی تعیین نماید و در مقابل حملات سایبری چند مرحله ای سطح امنیت شبکه را ارتقاء بخشد. نتایج نشان می دهد که به کمک این سیستم پیش بینی، می توان یک مکانیسم دفاعی فعال در مقابل حملات پیشرو را فراهم آورد و امنیت هرچه بیشتر شبکه را تضمین نمود.

Keywords:

پیش بینی نفوذ، حملات چندمرحله ای، دفاع سایبری، هشدار، شبکه

Paper COI Code

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/731172/

How To Citation:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
سلیمانی برایجانی، پروانه و رشیدی، علی جبار و داداش تبار احمدی، کوروش،1396،ارایه یک الگوریتم مناسب برای پیش بینی حملات سایبری مبتنی بر یادگیری،دومین کنفرانس ملی مهندسی برق و کامپیوتر،تهران،،،https://civilica.com/doc/731172

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، سلیمانی برایجانی، پروانه؛ علی جبار رشیدی و کوروش داداش تبار احمدی)
برای بار دوم به بعد: (1396، سلیمانی برایجانی؛ رشیدی و داداش تبار احمدی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,880
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

New Papers

Share this page

More information about COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

Support