افزایش امنیت گذرواژه دیجیتالی با استفاده از یادگیری ماشین: تحلیلی مقایسهای بر الگوریتمهای طبقهبندی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 6، دوره 13، شماره 4 - شماره پیاپی 52، زمستان 1404، صفحه 89-102 اصل مقاله (1020.87 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.47176/ECDJ.2025.1652 | ||
| نویسندگان | ||
| مهناز درودی1؛ سید حسن مرتضوی زارچ* 2؛ فاطمه زارع مهرجردی3؛ محسن سرداری زارچی4 | ||
| 1کارشناسی ارشد , دانشگاه میبد, میبد, ایران | ||
| 2استادیار ,دانشگاه میبد ، میبد ، ایران | ||
| 3استادیار،دانشگاه میبد، میبد، ایران | ||
| 4دانشیار ، دانشگاه میبد، میبد، ایران | ||
| چکیده | ||
| در عصر دیجیتال، رمزهای عبور یکی از رایجترین و حیاتیترین روشهای احراز هویت در سامانههای اطلاعاتی هستند. بااینحال، انتخاب و استفاده از رمزهای عبور ضعیف و غیر ایمن، همچون رمز عبورهای ساده، کوتاه یا تکراری، تهدیدی جدی برای امنیت سایبری محسوب میشود. این پژوهش باهدف بهبود دقت در ارزیابی سطح امنیت رمزهای عبور، چارچوبی مبتنی بر یادگیری ماشین ارائه میدهد. روش پیشنهادی شامل سه مرحلهی اصلی پیشپردازش، استخراج ویژگیهای جدید و طبقهبندی رمزهای عبور است. در این پژوهش، مجموعهای شامل 669880 رمز عبور مورد تحلیل قرارگرفته است. ابتدا در مرحله پیشپردازش مراحلی مانند حذف دادههای گمشده، کدگذاری متن به عدد و متعادلسازی دادههای کلاسها با استفاده از الگوریتم SMOTE انجامشده است. بعدازاینکه دادهها تمیز شدند از هر رمز عبور ده ویژگی ساختاری جدید استخراجشده است. درنهایت دادهها به دودسته آموزش و آزمایش تقسیمشده و دستهبندی سطح امنیتی رمزهای عبور در سه کلاس ضعیف، متوسط و قوی با استفاده از الگوریتمهای یادگیری ماشین مانند درخت تصمیم، جنگل تصادفی، XGBoost و رگرسیون لجستیک و غیره صورت گرفته است. نتایج تجربی نشان داد که الگوریتم جنگل تصادفی و روش XGBoost با معیار F1 به ترتیب با مقدار 99.665% و 99.642% درصد عملکرد برتری نسبت به سایر مدلها داشتهاند. دستاورد این تحقیق، ارائه مدلی کارآمد و مقیاسپذیر برای شناسایی نقاط ضعف رمزهای عبور و ارتقاء سیاستهای امنیتی در سامانههای دیجیتال است که میتواند به شکل مؤثری در طراحی رمزهای عبور مقاوم، کاهش ریسک نفوذ، و ارتقاء سطح امنیت سایبری نقشآفرینی کند. | ||
| کلیدواژهها | ||
| یادگیری ماشین؛ امنیت سایبری؛ قدرت رمز عبور؛ جنگل تصادفی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 195 تعداد دریافت فایل اصل مقاله: 130 |
||