CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

شناسایی انواع حملات در سیستم تشخیص نفوذ با مدل ترکیبی یادگیری ماشین

عنوان مقاله: شناسایی انواع حملات در سیستم تشخیص نفوذ با مدل ترکیبی یادگیری ماشین
شناسه ملی مقاله: ITCT17_053
منتشر شده در هفدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات در سال 1401
مشخصات نویسندگان مقاله:

زهرا انارکی - گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه شیخ بهایی
شکوفه یراقی - گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه شهید اشرفی اصفهانی
حسین محمدی نژاد - گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه شیخ بهایی

خلاصه مقاله:
شبکه برق هوشمند با برقراری نوعی ارتباط دیجیتالی دوطرفه انرژی مورد نیاز را برای مصرف کنندگان نهایی تامین می کند. این شبکه مدام در معرض وقوع حملات مختلف قرار دارد که میتواند یکپارچگی و محرمانگی داده را نقض کند. در اکثر تحقیقات استفاده از سیستم های تشخیص نفوذ به عنوان یک راه حل کاربردی و موثر پیشنهاد می گردد. هدف از تشخیص نفوذ این ا ست که استفاده غیرمجاز، سوءاستفاده و آسیب رساندن به سیستم ها و شبکه های کامپیوتری توسط کاربران داخلی و حمله کنندگان خارجی شناسایی شود که یکی از روش های تشخیص نفوذ استفاده از یادگیری ماشین است که در این مقاله از مدل ترکیبی یادگیری ماشین برای شناسایی هر حمله به صورت جداگانه روی مجموعه داده nsl-kdd استفاده شده است. نتایج ارزیابی دقت ۹۹ % تا % ۹۷ درصد را برای حملات مختلف نشان می دهد.

کلمات کلیدی:
تشخیص نفوذ، یادگیری ماشین، حمله سایبری، شبکه برق هوشمند، تشخیص ناهنجاری

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1588805/