تحلیل آماری داده ها برای تشخیص موارد غیر متعارف در شبکه های کامپیوتری و حسگر [پايان نامه فارسي]
امین منصوری
| شناسگر رکورد: | ۱۵۶۵۴ |
| رشته تحصیلی: | نرم افزار |
| عنوان: | تحلیل آماری داده ها برای تشخیص موارد غیر متعارف در شبکه های کامپیوتری و حسگر |
| نويسنده: | امین منصوری |
| استاد راهنما : | دکتر بابک مجیدی |
| استاد مشاور: | دکتر عبداله شمیسا |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۵ |
| چکیده: | سیستمهای تشخیص موارد غیر متعارف مبتنی بر روشهای یادگیری ماشین، برای محافظت از شبکههای کامپیوتری و حسگر در برابر خرابی و موارد غیر نرمال ارائه شدهاند. دلیل این امر این است که روشهای یادگیری ماشین، توانایی ساخت مدل تشخیص با استفاده از داده های گذشته برای تشخیص یا کشف الگوها را دارند. از آنجا که برچسب گذاری مقدار زیادی از دادههای برچسب گذاری نشده هزینه بر و زمان بر است، روشهای تشخیص غیر متعارف بدون نظارت پیشنهاد شدهاند. در این پایان نامه، یک روش یادگیری ماشین برای تشخیص موارد غیر متعارف در شبکههای کامپیوتری و حسگر ارائه گردیده است. روش ارائه شده با الگوریتمهای جدید تشخیص الگو مقایسه گردیده و الگوریتمهای کاهش ابعاد برای بهینه سازی مدل پیشنهادی مورد استفاده گردیده است. الگوریتم پیشنهادی از روش آموزش یک شبکه عصبی با کمک بهینه سازی زیستی استفاده مینماید.روش پیشنهادی با استفاده از مجموعه داده های سیستم کنترل صنعتی گاز و آب آزمایش شده است. نتایج آزمایش نشان داد که الگوریتم پیشنهادی با دقت ۹۸% میتواند موارد غیر نرمال را پیش بینی کند. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| واژگان کلیدی: | مهندسی نرم افزار |
| واژگان کلیدی: | پیش بینی موارد غیر نرمال |
| واژگان کلیدی: | شبکه های کنترل صنعتی |
| واژگان کلیدی: | الگوریتمهای زیستی |
| واژگان کلیدی: | شبکه های عصبی |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 21467 | 1 | ||||||||||
| 21468 | 2 |
جهت ثبت نظر با حساب کاربری تان وارد شوید