دسترسی همگانی(OPAC) نام کتابخانه در اوپک

ارائه روشی برای بهبود دقّت کشف حمله در شبکه های مخابراتی کامپیوتری به کمک الگوریتم های پیش بینی داده کاوی (1400) / مجیدی ، میلاد، نویسنده
نوع مدرک:متون چاپی
سرشناسهمجیدی ، میلاد، نویسنده
رده‌بندی کنگره :‭COM soft ‭54
عنوان :ارائه روشی برای بهبود دقّت کشف حمله در شبکه های مخابراتی کامپیوتری به کمک الگوریتم های پیش بینی داده کاوی
عنوان موازی :Provide a way to improve attack detection accuracy in computer telecommunication networks using data mining prediction algorithms
ناشر:دانشگاه شهید اشرفی اصفهانی: اصفهان
سال نشر :1400
صفحه شمار:106ص
شابک/شاپا24539
یادداشتپایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار
شناسه افزوده :نعمت بخش ، ناصر، استاد راهنما
نعمت بخش ، ناصر، استاد مشاور
توصیفگرهادقت کشف حمله، شبکه های کامپیوتری، الگوریتم‌های پیش‌بینی‌کننده‌، داده‌کاوی  Accurately detect the attack, Computer Networks, Predictive algorithms, Data mining
چکیده :امروزه با ظهور و گسترش داده‌های با ابعاد زیاد، روند انتخاب ویژگی نقش بسیار مهمی را در زمینه یادگیری ماشین و به خصوص مسائل طبقه‌بندی داده، بازی می‌کند. در هنگام کار با داده‌هایی با ابعاد بالا با مشکلاتی همچون وجود ویژگی‌های نامرتبط و زائد روبه رو هستیم که باعث کاهش نرخ صحت طبقه‌بند، افزایش هزینه و زمان اجرای محاسباتی و معظل بعد می‌شود. بنابراین یکی از چالش‌های انگیزشی این پژوهش وجود حجم بالای داده با ویژگی‌های زیاد است. مجموعه‌داده‌‌هایی با ابعاد بالا و ویژگی‌های زائد و نامرتبط باعث به وجود آمدن معظل بعد شده و تحلیل درست داده‌ها را با مشکل مواجه و خطای طبقه‌بندی را تشدید می‌‌کند. به همین سبب تنها با استفاده از تکنیک‌های داده‌کاوی می‌توان حجم بالایی از داده‌ها را تحلیل و بررسی کرد. هدف این پژوهش این است که با بهره‌گیری از مجموعه داده‌ی KDD 99 که شامل 40 ویژگی است، از یک روش کاهش بعد، ویژگی‌های مؤثر را شناسایی کرده و شاهد افزایش دقت تشخیص حملات و همچنین صرفه جویی در زمان تشخیص آنها شویم. در این تحقیق، ما یک روش یادگیری عمقی مبتنی بر شبکه های Iot / مه را ارائه خواهیم کرد. همچنین در این مطالعه نشان داده شده است که مدل عمقی ما نسبت به سیستم های یادگیری ماشینی متداول مانند سافتمکس برای طبقه بندی داده ها به صورت دو طبقه ای نرمال/ حمله در ارزیابی داده های تمرینی جدید، عملکرد بهتری داشته است
لینک ثابت رکورد:../opac/index.php?lvl=record_display&id=13614
زبان مدرک :فارسی
شماره ثبتشماره بازیابینام عام موادمحل نگهداریوضعیت ثبتوضعیت امانت
24539‭COM soft ‭54 پایان‌نامهدانشگاه شهید اشرفی اصفهانیاسناد مرجعغیر قابل امانت

کاربران آنلاین :19