0% Complete
English
صفحه اصلی
/
چهاردهمین کنفرانس بین المللی فناوری اطلاعات و دانش
بهبود تشخیص نفوذ به شبکه اینترنت اشیاء با استفاده از مدل ترکیبی الگوریتم های بهینهسازی ازدحام ذرات، گرگ خاکستری و جنگل تصادفی
نویسندگان :
مهدی علیرضانژاد
1
عمار عبیس حسین المعموری
2
1- عضو هیات علمی دانشگاه آزاد اسلامی واحد فیروزکوه
2- دانشجو کارشناسی ارشد مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد اصفهان(خوراسگان)
کلمات کلیدی :
اینترنت اشیا،الگوریتم بهینهسازی گرگ خاکستری،الگوریتم ازدحام ذرات،جنگل تصادفی
چکیده :
با توجه به پیشرفتهای فناوری مانند اینترنت اشیاء، رایانش ابری، دستگاهها و خدمات شبکه به طور مداوم در حال افزایش هستند و پیچیدگی شبکه را افزایش میدهند که باعث ایجاد چالشهایی در حفظ امنیت شبکه به دلیل پیچیدگی روزافزون شبکه میشود. توسعه این فناوری ها باعث شده تا مصرف کنندگان زیادی در سطح جهانی به سمت آنها سوق پیدا کنند و فرصت های زیادی را برای کسب و کارها به ارمفان بیاورد. از سوی دیگر، افزایش تعداد تجهیزات و دستگاه ها در اینترنت اشیاء باعث شده تا انواع مختلف حملات را برای فرار از امنیت شبکه اینرنت اشیا کشف و از آنها سوء استفاده شود. از این رو، مراقبت از ایمنی شبکه های اینترنت اشیا ضروری است. ابزارها و راه حل های مختلفی برای مبارزه با انواع مختلف حملات شبکه مانند دیوارهای آتش، ضد بدافزارها و فیلترهای هرزنامه وجود دارد. نمونه هایی از ابزارها و تکنیک های مختلف شامل سیستم تشخیص نفوذ مبتنی بر ناهنجاری است و سیستم تشخیص نفوذ می تواند یک ابزار امنیتی ضروری و بسیار ارزشمند برای تضمین امنیت شبکه اینترنت اشیاء باشد. بررسی مطالعات انجام شده جهت تشخیص نفوذ در اینترنت اشیاء نشان داده که مجموعه دادههای با ابعاد بالا که دادههای شبکه دنیای واقعی را شبیهسازی میکنند، پیچیدگی و زمان پردازش آموزش و آزمایش سیستم را افزایش میدهند، در حالی که ویژگیهای نامربوط منابع را هدر میدهند و نرخ تشخیص را کاهش میدهند. در این پژوهش یک مدل تشخیص نفوذ ارائه شده است که از مدل ترکیبی بهینهسازی ازدحام ذرات، گرگ خاکستری و جنگل تصادفی به جهت بهبود تشخیص نفوذ هوشمند مبتنی بر ناهنجاری برای شبکه اینترنت اشیاء ارائه دهد. در این پژوهش، الگوریتم های بهینهسازی گرگ خاکستری و ازدحام ذرات برای انتخاب ویژگی استفاده می شوند و سپس از جنگل تصادفی برای طبقه بندی داده ها استفاده می شود. از چهار مجموعه داده NSL-KDD، KDDCUP99، ADFA و UNSW-NB15 برای ارزیابی مدل پیشنهادی و دیگر الگوریتم ها استفاده گردید و نتایج تجربی نشان میدهد که مدل پیشنهادی عملکرد بهتری نسبت به سایر تکنیکها از نظر دقت، صحت، فراخوانی، امتیاز F1، نرخ خطای کمتر و توانایی بهتر در تشخیص انواع مختلف حملات دارد.
لیست مقالات
لیست مقالات بایگانی شده
ML-based Optical Fibre Fault Detection in Smart Surveillance and Traffic Systems
Rushil Patel - Sana Narmawala - Nikunjkumar Mahida - Rajesh Gupta - Sudeep Tanwar - Hossein Shahinzadeh
A New Method Based on Deep Learning and Time Stabilization of the Propagation Path for Fake News Detection
Fatemeh Torgheh - Dr Mohammad Reza Keyvanpour - Dr Behrooz Masoumi
بکارگیری الگوریتم بهینه سازی فاخته و منطق فازی به منظور بهبود زمانبندی وظایف در محیط محاسبات مه
فاطمه دوامی - حمید جلیلوند - فاطمه نجفی
Simulanteus Load Balancing of Servers and Controllers in SDN-based IoMT
Somaye Imanpour - Ahmadreza Montazerolghaem - Saeed Afahari
Classical-Quantum Multiple Access Wiretap Channel with Common Message: One-shot Rate Region
Hadi Aghaee - Dr Bahareh Akhbari
A method for image steganography based on chaotic maps and advanced compression algorithms
Mohammad Yousefi Sorkhi
Inner and Outer Bearing Fault Diagnosis of electrical Motors Using a Proposed Algorithm and Vibration Signals
Vahid Safari Dehnavi - Masoud Shafiee
Leveraging Retrieval-Augmented Generation for Persian University Knowledge Retrieval
Arshia Hemmat - Mohammad Hassan Heydari - Kianoosh Vadaei - Afsaneh Fatemi
A Demand Response Schema in Industry: Smart Scheduling Approach for Industrial Processes
Negin Shafinezhad - Hamid Abrishami - Maryam Mahmoodi
ارائه یک مدل تصمیم گیری چند معیاره فازی به منظور بهبود دقت فرایند تصمیم گیری به هنگام اختلال هوانوردی
فاطمه عطا عبدالرزاق - نگار مجمع
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 41.3.1