| نوع مدرک: | متون چاپی |
| سرشناسه | یزدانی ، محدثه، نویسنده |
| شماره بازیابی : | COM A 44 1403 |
| عنوان : | تشخیص نفوذ در شبکه های کامپیوتری با استفاده از شبکه¬ی ترکیبی CNN-BiLSTM |
| عنوان موازی : | Intrusion Detection in Computer Networks Using a Hybrid CNN-BiLSTM Network |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1403 |
| صفحه شمار: | 93ص |
| شابک/شاپا | 25710 |
| یادداشت | پایان نامه کارشناسی ارشد :رشته کامپیوتر گرایش هوش مصنوعی |
| شناسه افزوده : | کلینی ، مینا، استاد راهنما زمین کار ، مینا، استاد مشاور |
| توصیفگرها | داده¬کاوی، شبکه¬های کامپیوتری، سیستم تشخیص نفوذ، شبکه¬های عصبی کانولوشن، شبکه¬ی BiLSTM : Data mining, computer networks, intrusion detection system, convolutional neural networks, BiLSTM network. |
| چکیده : | سیستم‌های تشخیص نفوذ به عنوان ابزاری حیاتی برای حفاظت از شبکه‌های رایانه‌ای، به شناسایی و تحلیل رفتارهای غیرمجاز و غیرطبیعی در سیستم‌های اطلاعاتی پرداخته و از بروز حملات سایبری جلوگیری می‌کنند. با این حال، شناسایی نفوذ از چالش‌های متعددی از جمله پیچیدگی و تنوع روزافزون تهدیدات، حجم بالای داده‌ها برخوردار است که نیازمند روش‌های پیشرفته و کارآمد برای تحلیل داده‌ها می‌باشد. شبکه‌های عصبی کانولوشن (CNN) به عنوان یک تکنیک یادگیری عمیق، به دلیل قابلیت استخراج ویژگی‌های فضایی و الگوهای پیچیده، به سرعت در حوزه تشخیص نفوذ مورد توجه قرار گرفته‌اند و می‌توانند در شناسایی حملات مخرب و رفتارهای غیرعادی بهبود چشمگیری ارائه دهند. به‌علاوه، استفاده از BiLSTM (شبکه‌های حافظه طولانی کوتاه دوتایی) به تقویت کارایی CNN در پردازش توالی‌های زمانی و مدیریت وابستگی‌های بلندمدت کمک کرده و دقت تشخیص را افزایش می‌دهد. این پژوهش به بررسی این ترکیب نوآورانه و مزایای آن در بهبود سیستم‌های تشخیص نفوذ می‌پردازد و چالش‌های موجود در این حوزه را تحلیل می‌کند. نتایج بدست آمده از آزمایش¬ها بروی مجموعه داده¬ی NSL-KDD در حالت باینری برابر 99 درصد و برای حالت چند کلاسه برابر 99.12 درصد بدست آمده است |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=14546 |
| زبان مدرک : | فارسی |
تشخیص نفوذ در شبکه های کامپیوتری با استفاده از شبکه¬ی ترکیبی CNN-BiLSTM (1403) / یزدانی ، محدثه، نویسنده