ارتقاء امنیت پایگاه های داده با استفاده از یادگیری ژرف به منظور جلوگیری از حملات سازماندهی شده

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 483

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICELE05_251

تاریخ نمایه سازی: 26 بهمن 1398

چکیده مقاله:

از دیرباز تا کنون یکی از اصلی ترین چالش ها در زمینه استفاده از پایگاه های داده، تامین امنیت این پایگاه ها بوده است، از آنجائی که بسیاری از پایگاه های داده حاوی داده های مهمی هستند و یا در صورت مختل شدن می توانند تاثیرات بدی بر سامانه های هم محور داشته باشند، لازم است به بررسی چالش های این پایگاه ها و نحوه برطرف کردن و نهادینه نمودن این چالش ها بپردازیم. در دنیای کنونی ما تمامی سامانه های مبتنی بر پایگاه های داده تاثیر پذیر از انواع چالش های امنیتی و حملات سایبری هستند. در این پژوهش قصد داریم به بررسی نوع خاصی از حملات که با عنوان حمله محروم سازی از سرویس نامیده می شود بپردازیم و سپس در ادامه به بررسی روش یادگیری ژرف که بر مبنای نحوه عملکرد شبکه عصبی انسان پی ریزی شده است مروری داشته باشیم، سپس از متد یادگیری ژرف به منظور تامین امنیت در برابر حملات محروم سازی از سرویس خواهیم پرداخت. نتایج حاصل از فرضیات این پژوهش با استفاده از یک شبیه ساز مورد بررسی قرار گرفته است.

کلیدواژه ها:

یادگیری ژرف ، یادگیری ماشین ، پایگاه داده ، محروم سازی از سرویس ، ddos

نویسندگان

ساره شجاعی نصیرآبادی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر با گرایش نرم افزار، دانشگاه آزاد اسلامی واحد زاهدان

میعاد شجاعی نصیرآبادی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر با گرایش معماری کامپیوتر، دانشگاه آزاد اسلامی واحد کرمان

محمدرضا وظیفه

استادیار دانشکده مهندسی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد زاهدان