ترجمه مقاله IoT مبتنی بر یادگیری ماشین برای ایجاد سیستم تشخیص نفوذ برای امنیت – سال 2021


 

مشخصات مقاله:

 


 

عنوان فارسی مقاله:

IoT مبتنی بر یادگیری ماشین برای ایجاد سیستم تشخیص نفوذ برای امنیت

عنوان انگلیسی مقاله:

A machine learning based IoT for providing an intrusion detection system for security

کلمات کلیدی مقاله:

سیستم سایبری-فیزیکی (CPS)، خانه هوشمند مطلع از انرژی، یادگیری ماشین، IoT (اینترنت اشیاء)، امنیت

مناسب برای رشته های دانشگاهی زیر:

مهندسی کامپیوتر، مهندسی فناوری اطلاعات

مناسب برای گرایش های دانشگاهی زیر:

اینترنت و شبکه های گسترده، هوش مصنوعی، امنیت اطلاعات، شبکه های کامپیوتری

وضعیت مقاله انگلیسی و ترجمه:

مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.


فهرست مطالب:

چکیده
مقدمه
مرور مقالات
چهارچوب پیشنهادی مبتنی بر ML
الگوریتم های دسته بندی ML (یادگیری ماشین)
مرور مختصر روش های دسته بندی ML
الگوریتم های دسته بندی منتخب
پرسپترون چندلایه (MLP)
رگرسیون منطقی چند جمله ای (MLG)
پارامترهای اجرایی الگوریتم های منتخب
معیارهای ارزیابی
شبیه سازی، اجرا و نتایج
پیاده سازی و نتایج بستر آزمایش
تحلیل نتایج دسته بندی
تحلیل تشابه دسته های ناهنجاری
شبیه سازی و بستر آزمایش
تحلیل مبتنی بر مشخصه (ویژگی)
شبیه سازی شده
بستر آزمایش
نتیجه گیری
منابع


قسمتی از مقاله انگلیسی و ترجمه آن:

Abstract

Digital communication is provided with an effective communication platform to share and transfer information. The emergence of the Cyber-Physical System (CPS) is a platform incorporated with electronic devices that enables the services through a digital platform. The considerable challenges of this system are security issues, abnormality, and service failure. Hence, the requirement of providing an effective system, which should be overcome these issues. This paper analyzes these problems and providing the paradigm in terms of enhanced communication paradigm, specifically propose Energy Aware Smart Home (EASH) framework. With this work, the problem in communication failures and types of network attacks are analyzed in EASH. With the utilization of the machine learning technique, the abnormality sources of the communication paradigm are differentiated. To evaluate the performance, we analyze the proposed work based on its accuracy, performance, and efficiency. Hence, we obtain better results especially the result shows an 85% accuracy rate. In the future, we try to enhance a high accuracy rate for further development.

چکیده

ارتباطات دیجیتال با چهارچوب ارتباطی موثر برای به اشتراک گذاری و انتقال اطلاعات ایجاد شده است. سیستم فیزیکی-سایبری (CPS) چهارچوبی است که با تجهیزات الکترونیکی ادغام شده است که خدمات را از طریق یک چهارچوب دیجیتالی ممکن می کنند. چالش های قابل ملاحظه این سیستم عبارتند از مسائل امنیتی، ناهنجاری و نقص در سرویس. بنابراین، نیاز به یک سیستم کارآمد است که بتواند بر این مشکلات غلبه کند. این مقاله این مشکلات را تحلیل می کند و الگویی را از لحاظ ارتباطات پیشرفته، خصوصاً چهارچوب خانه هوشمند مطلع از انرژی (EASH) پیشنهاد می کند. با این کار، مسئله نواقص ارتباطی و انواع حملات شبکه در EASH تحلیل می شود. با استفاده از روش یادگیری ماشین، منابع ناهنجاری الگوی ارتباطی مشخص می شوند. به منظور ارزیابی عملکرد، کار پیشنهادی را بر اساس دقت، عملکرد و کارایی اش تحلیل می‌کنیم. بنابراین ما نتایج بهتری را به دست می آوریم، خصوصاً که نتیجه میزان دقت 85 درصد را نشان می دهد. در آینده، ما سعی می کنیم میزان دقت بالایی را برای توسعه بیشتر ارائه دهیم.


 

دانلود رایگان مقاله انگلیسی

خرید ترجمه مقاله