| نوع مدرک: | متون چاپی |
| سرشناسه | عزتیان ، شادی، نویسنده |
| رده‌بندی کنگره : | COM soft 53 |
| عنوان : | افزایش امنیت در شبکه‌های داده‌محور با تشخیص نفوذ مبتنی بر شبکه عصبی |
| عنوان موازی : | Increased Security on Named Data Networking with Neural Network Based Intrusion Detection |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1400 |
| صفحه شمار: | 111ص |
| شابک/شاپا | 24538 |
| یادداشت | پایان‌نامه کارشناسی ارشد: رشته نرم‌افزار گرایش کامپیوتر |
| شناسه افزوده : | خیام باشی ، محمدرضا، استاد راهنما |
| توصیفگرها | امنیت، تشخیص نفوذ، شبکه Named Data Netwoking خوشه‌بندی و شبکه عصبی security, Named Data Networking, intrusion detection, neural network, Internet of things |
| چکیده : | باتوجه‌به رشد روزافزون فناوری اطلاعات پیشرفت تکنیک‌های حمله به طور اساسی افزایش می‌یابد که نفوذ یکی از تهدیدات اصلی اینترنت است و حملات تهدید جدی برای اینترنت اشیاء محسوب می‌شود؛ بنابراین بهبود و صحت و دقت سیستم و کاهش نرخ هشدار غلط تولیدشده یکی از جنبه‌های مهم پژوهش در شبکه‌های داده‌محور است. تکنیک داده‌کاوی به طور گسترده در تشخیص ناهنجاری‌ها مورداستفاده قرار می‌گیرد. باتوجه‌به اینکه در سیستم‌های تشخیص نفوذ، دقت در تشخیص نفوذ به شبکه و همچنین کاهش تعداد هشدارهای غلط اهمیت زیادی دارد، لذا در این پایان‌نامه یک مدل تشخیص نفوذ برای شبکه Named Data Networking با استفاده از ترکیب دو الگوریتم خوشه‌بندی k-means و شبکه عصبی که مبتنی بر طراحی، پیاده‌سازی و ارزیابی تشخیص ناهنجاری با رویکرد داده‌کاوی هست، ارائه شد. در مرحله پیش‌پردازش، به‌منظور کاهش پیچیدگی، ابعاد و ویژگی‌های غیرضروری برداشته می‌شود، همچنین برای کاهش زمان اجرا و اندازه مجموعه‌داده‌های آموزشی و افزایش دقت تشخیص، از خوشه‌بندی k-means قبل از طبقه‌بندی استفاده می‌شود. در مرحله آخر، یعنی مرحله طبقه‌بندی، از الگوریتم تحت نظارت شبکه عصبی به‌منظور بهبود دقت تشخیص استفاده می‌شود. به‌منظور ارزیابی روش پیشنهادی از دیتاست botnet_attacks استفاده شد. این دیتاست ازجمله دیتاست معتبر در زمینه شناسایی حملات در شبکه‌های کامپیوتری، اینترنت و حتی شبکه‌های اینترنت اشیاء محسوب می¬شود. این دیتاست دارای یک میلیون نمونه است که از مجموع نمونه‌ها تعداد 555958 نمونه به‌عنوان داده¬های صحیح و فاقد خطر و تعداد 444032 نمونه به‌عنوان داده نفوذی و دارای خطر و حمله botnet مشخص شده است. نتایج نشان دادند که روش پیشنهادی توانسته است میزان دقت سیستم تشخیص نفوذ را در مقایسه با روش درخت تصمیم، حدود 7 درصد افزایش دهد. همچنین این الگوریتم سرعت همگرایی بالایی دارد. شبکه عصبی حتی در صورت عدم ناهنجاری در مجموعه آموزشی به‌خوبی کار می‌کند |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13613 |
| زبان مدرک : | فارسی |
مرتب سازی پالایش جستجو
