طراحی و پیاده سازی الگوریتم تشخیص کاربرد در شبکه های انتقال داده مبتنی بر شبکه عصبی برای پیاده سازی سخت افزاری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 طراحی و پیاده سازی الگوریتم تشخیص کاربرد در شبکه های انتقال داده مبتنی بر شبکه عصبی برای پیاده سازی سخت افزاری دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد طراحی و پیاده سازی الگوریتم تشخیص کاربرد در شبکه های انتقال داده مبتنی بر شبکه عصبی برای پیاده سازی سخت افزاری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی طراحی و پیاده سازی الگوریتم تشخیص کاربرد در شبکه های انتقال داده مبتنی بر شبکه عصبی برای پیاده سازی سخت افزاری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن طراحی و پیاده سازی الگوریتم تشخیص کاربرد در شبکه های انتقال داده مبتنی بر شبکه عصبی برای پیاده سازی سخت افزاری :

تعداد صفحات :۲۱

چکیده مقاله:

با رشد روزافزون فناوری و به وجود آمدن کاربردهای جدید در اینترنت ، نیاز به امنیت در این حوزه نیز افزایش پیداکرده است. یکی از نقاطی که امنیت آن برای سازمان ها اهمیت پیدا می کند، شبکه های انتقال داده می باشد. برای تامین امنیت این شبکه ها، شناسایی ترافیک عبوری نقطه اصلی برای انجام اقدامات موثر می باشد. در این میان حجم بسیار زیادی از ترافیک مورداستفاده به صورت خام و قابل تشخیص با سامانه های فعلی نظیر دیواره های آتش و … می باشند. حجم اندک ولی بااهمیت دیگر ترافیک ، جریان هایی هستند که به صورت مبهم و یا رمز شده بوده و ابزارهای فعلی قابلیت شناسایی آن ها را ندارند. بدین جهت پژوهش حاضر تلاش در عملیاتی سازی راهکاری برای مرتفع کردن این مسیله نموده است. در این مقاله کاربردهای Psiphon و Tor و UltraSurf به عنوان نرم افزارهای بااهمیت فراوان برای سازمان های امنیتی، انتخاب گردید. الگوریتم پیشنهادی کاربرد گسترده ای در حوزه های مختلفی چون بهبود سرعت و حفظ حریم خصوصی ، نسبت به روش هایی می باشد که برای طبقه بندی به تمام محتویات بسته نیاز دارند. با احصاء ترافیک کاربردهای مذکور ، استخراج ویژگی های موردنظر ، انجام پیش پردازش و استفاده از شبکه عصبی ، سامانه برای تشخیص این کاربردها آموزش دیده و آماده آزمون گردید. سامانه با استفاده از دیگر ترافیک دریافتی از این کاربردها در شرایط مختلف تست شده و نتیجه آن در تشخیص کاربردهای موردنظر با روش های موجود بررسی گردید و با کمترین خوشه ترافیک انتخابی به صحت نزدیک به ۹۶.۸ درصد دست پیدا نمودیم.