تشخیص نفوذ از حملات سایبری در شبکه های ابری با استفاده از تکنیک های عامل متحرک


در حال بارگذاری
18 سپتامبر 2024
فایل ورد و پاورپوینت
2120
4 بازدید
۶۹,۷۰۰ تومان
خرید

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

 تشخیص نفوذ از حملات سایبری در شبکه های ابری با استفاده از تکنیک های عامل متحرک دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص نفوذ از حملات سایبری در شبکه های ابری با استفاده از تکنیک های عامل متحرک  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 تشخیص نفوذ از حملات سایبری در شبکه های ابری با استفاده از تکنیک های عامل متحرک،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن تشخیص نفوذ از حملات سایبری در شبکه های ابری با استفاده از تکنیک های عامل متحرک :

تعداد صفحات :۲۲

چکیده مقاله:

در این پژوهش برای برقراری امنیت در شبکههای ابری و جلوگیری از حمله ی انکار از سرویس( DOS (روشی را به کار برده وبا استفاده از الگوریتم یادگیری ماشین ازتکنیک عامل متحرک که تشخیص نفوذ را سریع تر تشخیص داده به کار برده ایم وباتوپولو ژی خوشه بندی وبا انتخاب سرخوشه درشبکه توانستیم تشخیص نفوذ بیشتری را داشته باشیم در این رویکرد به کمک عامل های متحرک، اطلاعات مربوط به تشخیص نفوذ در کل شبکه پخش نشده بلکه در همسایگی عاملها منتشر خواهد شد. این مدل با ایجاد یک ساختارامنیتی قوی در شبکههای ابری میتواند در بالا بردن ضریب امنیت و همچنین کاهش خطر حملات احتمالی موثر واقع شود.این مدل با سربار محاسباتی کم و دقت مناسب، مقدار باری که به شبکه در هنگام نفوذ وارد میشود را کاهش دهد. کمک میکند به ارایهدهندگان ابری برای تشخیص خطرات اصلی استفاده از روشهای یادگیری ماشین در شناسایی حملات سایبری کمک می کند . روش پیشنهادی پس از شبیه سازی با الگوریتم EVDF مقایسه شده است در این شبیه سازی پس از ۲۰۰۰ بار اجرا، تمام گرهها ی روش پیشنهادی هنوز هم انرژی دارند در صورتی که در روش EVDF انرژی هر گره به زیر ۱/۰ رسیده است. در بخش ها ی دیگر ارزیابی و مقایسه مشاهده شد که روش EVDF در ۵۰۰۰ بستهی ردوبدل شده میتواند تنها۳۰ درصد از حمله را تشخیص دهد. درحالیکه در روش پیشنهادی ۳۵ درصد از حملات تشخیص داده میشود. به همین دلیل است که روش پیشنهادی باعث بهبود پارامترهای فاصله و انرژی و نیز باعث افزایش طول عمر شبکه میشوند. به نظر می رسد استفاده از روش های یادگیری ماشین در شناسایی حملات سایبری موثرتر واقع میشود

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.