استفاده از الگوریتم رقابت استعماری اصلاح شده به منظور افزایش سرعت و دقت سیستم تشخیص نفوذ هوشمند
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 100
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IMPCS-4-1_001
تاریخ نمایه سازی: 30 خرداد 1402
چکیده مقاله:
در تمام سیستم های پردازش اطلاعات، شناسایی حملات سایبری یک چالش اصلی محسوب میشود و با شناسایی به موقع حملات می توان اثرات آن را مسدود یا کم کرد. سیستم اینترنت اشیا نیز از این پدیده مستثنی نبوده و با پیشرفت رو به رشد این فناوری و گسترش زیرساختهای آن، نیاز به سیستم تشخیص نفوذ هوشمند با دقت و سرعت بالا یک امر ضروری است. شبکه های عصبی سیستم های مدرنی هستند که از روش های محاسباتی نوین برای یادگیری ماشین، نمایش دانش و در نهایت استفاده از دانش کسب شده برای به حداکثر رساندن پاسخ های خروجی سیستم های پیچیده استفاده میکنند. یکی از معایب استفاده از آموزش با روشهای کلاسیک در شبکه های عصبی، گیرافتادن در نقاط بهینه محلی است. در این مقاله از الگوریتم فراابتکاری رقابت امپریال (ICA) برای آموزش شبکه های عصبی استفاده کرده، نشان دادیم که این الگوریتم در زمینه تشخیص نفوذ در سیستم اینترنت اشیا، میتواند عملکرد بسیار بهتری از منظر سرعت و دقت نسبت به روشهای آموزشی کلاسیک داشته باشد .نتایج نشان میدهد روش پیشنهادی دارای دقت ۹۰% میباشد که در مقایسه با روش شبکه عصبی کلاسیک که دارای دقت ۷۵ درصد بوده عملکرد بهتری دارد.
کلیدواژه ها:
نویسندگان
محمد نظرپور
دانشجوی دکتری، مدیریت فناوری اطلاعات، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
نوید نظافتی
استادیار، گروه مدیریت، دانشگاه شهید بهشتی، تهران، ایران
سجاد شکوهیار
دانشیار، گروه مدیریت، دانشگاه شهید بهشتی، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :