|
|
|
|
پیشنهاد یک سیستم موثر تشخیص نفوذ نظارت شده برمبنای شبکه ی ترکیبی cnn-lstm برای خانه های هوشمند مبتنی بر اینترنت اشیاء
|
|
|
|
|
|
|
|
نویسنده
|
الجنابی غسان ,نحوی مهناز
|
|
منبع
|
اولين همايش ملي دستاوردهاي نوين در مهندسي برق، كامپيوتر و مهندسي پزشكي - 1401 - دوره : 1 - اولین همایش ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و مهندسی پزشکی - کد همایش: 01221-53023 - صفحه:0 -0
|
|
چکیده
|
سیستم های تشخیص نفوذ در دهه های اخیر برای کمک به شناسایی زودهنگام نفوذها و مشکلات امنیتی بسیار کاربرد دارند. مهمترین مساله برای این سیستم ها، افزایش دقت تشخیص نفوذها می باشد. لذا در این تحقیق، یک ids مبتنی بر مدل‌های یادگیری عمیق برای تشخیص نفوذ در یک محیط های اینترنت اشیاء پیشنهاد شده است. این تحقیق با استفاده از روش های cnn، lstm و cnn + lstm برای افزایش دقت سیستم های تشخیص نفوذ انجام شد. مدل‌های یادگیری عمیق با استفاده از مجموعه داده‌های nsw-nb15 به منظور تعیین الگوهای غیرعادی در این تحقیق پیاده‌سازی شدند. هیچ روش یادگیری ماشین اضافی در فرآیند انتخاب ویژگی استفاده نشد. روش های یادگیری عمیق می توانند خود به تنهایی انتخاب ویژگیها را انجام بدهند. نتایج تجربی مدل‌های یادگیری عمیق پیشنهادی نسبت به روش‌های قبلی توسعه‌یافته در همان مجموعه داده برتر بود. این نتایج نشان‌دهنده برتری روش‌های یادگیری عمیق در تشخیص رویدادهای غیرعادی در مجموعه داده‌های بزرگ و پیچیده است.
|
|
کلیدواژه
|
تشخیص نفوذ، نظارت شده، شبکه ترکیبی cnn-lstm، خانه های هوشمند، اینترنت اشیاء.
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
behnaz.nahvi@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
proposing an effective supervised intrusion detection system based on cnn-lstm hybrid network for smart homes based on internet of things
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|