انتخاب ویژگی و تشخیص نفوذ در شبکههای حسگر بی سیم با استفاده از یادگیری ماشین مفرط بدون نظارت (UELM) | ||
| پدافند غیرعامل | ||
| دوره 15، شماره 4 - شماره پیاپی 60، زمستان 1403، صفحه 25-40 اصل مقاله (1.3 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| حمید طباطبایی* 1؛ سمیرا هادوی2 | ||
| 1دانشیار گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران | ||
| 2کارشناسی ارشد گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران | ||
| چکیده | ||
| امروزه سیستمهای کامپیوتری مبتنی بر شبکه، نقش حیاتی در جامعه مدرن امروزی دارند و به همین علت ممکن است هدف دشمن و یا نفوذ قرار گیرند. بهمنظور ایجاد امنیت کامل در یک سیستم کامپیوتری متصل به شبکه، استفاده از دیوار آتش و سایر مکانیزمهای جلوگیری از نفوذ همیشه کافی نیست و باید از سیستمهای دیگری به نام سیستمهای تشخیص نفوذ استفاده شود. بهدلیل وجود مشخصههای زیاد در دادههای مربوط به سیستمهای تشخیص نفوذ، جهت استفاده از مشخصههای مطلوب و موثر از الگوریتم یادگیری ماشین مفرط بدون نظارت استفاده میشود. جهت طبقهبندی دادهها از مدل UELM و ارزیابی عملکرد روش پیشنهادی، از پایگاه داده با رکوردهای واقعی تر NSL-KDD نسبت به سایر مجموعه دادگان تشخیص نفوذ، استفاده میگردد. نتایج آزمایشها نشاندهنده صحت 38/98 UELM در مقایسه با صحت 74/93 GWO است. دلیل این برتری، استفاده ازمدل مناسب در مسئله دستهبندی، تشخیص نفوذ، ساختار مستحکم و تعمیمپذیر شبکه عصبی بدون نظارت می باشد. | ||
| کلیدواژهها | ||
| انتخاب ویژگی؛ شبکههای عصبی مصنوعی؛ ماشین یادگیری مفرط بدون نظارت؛ تشخیص نفوذ | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,326 تعداد دریافت فایل اصل مقاله: 1,332 |
||