یک رویکرد بازعمومی مبتنی بر یادگیری ماشین با تمرکز بر ویژگی خود حفاظتی روت سنس

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

 یک رویکرد بازعمومی مبتنی بر یادگیری ماشین با تمرکز بر ویژگی خود حفاظتی روت سنس دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد یک رویکرد بازعمومی مبتنی بر یادگیری ماشین با تمرکز بر ویژگی خود حفاظتی روت سنس  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 یک رویکرد بازعمومی مبتنی بر یادگیری ماشین با تمرکز بر ویژگی خود حفاظتی روت سنس،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن یک رویکرد بازعمومی مبتنی بر یادگیری ماشین با تمرکز بر ویژگی خود حفاظتی روت سنس :

تعداد صفحات :۱۷

چکیده مقاله:

اساساً نرم افزار خود تطبیق، نرم افزاری است که به صورت یک حلقه بازخوردی توسعه داده شده و قادر است خودش را در زمان اجرا برای پاسخگویی به تغییر نیازهای سیستم و محیط تغییر دهد. در این مقاله خود تطبیقی پیشنهادی ما یک رویکرد بازعمومی مبتنی بر یادگیری ماشین با تمرکز بر ویزگی خود حفاظتی است که به اختصار آن را OGMLB می نامیم. ما برای آزمودن OGMLB حوزه شبکه را انتخاب کردیم، در واقع هدف ما توسعه یک سیستم خودتطبیق تشخیص نفوذ در شبکه است، رویکرد ما عمومی است یعنی در دامنه های دیگر مانند پایگاه داده، رایانش ابری، محیط های توزیع شده و غیره هم کاربرد دارد. یکی از سیستم های تثبیت شده در این زمینه ML-IDS است که یک سیستم خود حفاظتی تشخیص حملات بوسیله وارسی و تحلیل ترافیک با استفاده از دانه بندی چند سطحی است که سیستم عامل را در برابر رفتارهای مخرب حفاظت می کند. ما برای تست OGMLB از شرایط محیطی و مجموعه داده های بکارگرفته شده در ML-IDS استفاده می کنیم و نتایج خود را با نتایج حاصل از آن مقایسه می کنیم. جزئیات این مدل در این مقاله بررسی شده است.