استفاده از تکنیکهای یادگیری ماشین برای بهینه سازی کارایی…

چکیده مقاله

سیستمهای تشخیص نفوذ وظیفه شناسایی فعالیت های مخرب و جلوگیری از حملات سایبری را بر عهده دارند استفاده از روشهای سنتی مبتنی بر قوانین در این سیستمها با محدودیت هایی مانند نیاز به بروزرسانی مستمر و عملکرد پایین در برابر حملات جدید همراه است روشهای مبتنی بر یادگیری ماشین، به دلیل قابلیت تحلیل حجم زیادی از داده ها و کشف الگوهای پنهان، در بهینه سازی کارایی IDS بسیار موثر هستند با گسترش شبکه های رایانه ای و افزایش حملات سایبری، اهمیت سیستمهای تشخیص

کلیدواژه‌ها

حملات سایبری سیستم تشخیص نفوذ یادگیری ماشین الگوهای پنهان شبکه های رایانه ای

نویسندگان

امیرحسین همتیان

دانشگاه آزاد واحد سمنان، مهندسی کامپیوتر گرایش نرم افزار

شیوه ارجاع

همتیان، امیرحسین،1404،استفاده از تکنیکهای یادگیری ماشین برای بهینه سازی کارایی سیستم های تشخیص نفوذ،بیست و یکمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندس�

ارائه‌شده در

پوستر مجموعه مقالات بیست و یکمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی

مجموعه مقالات بیست و یکمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی31 تیر 1404

استفاده از تکنیکهای یادگیری ماشین برای بهینه سازی کارایی سیستم های تشخیص نفوذ

چکیده مقاله

کلیدواژه‌ها

نویسندگان

امیرحسین همتیان

شیوه ارجاع

ارائه‌شده در

مقالات مرتبط

Challenges and Advances in IoT Task Scheduling within Fog Computing: A Review

A Novel Solution for Enhancing Rail Transport Safety Using AI and Wearable Sensor Technology in Real - Time Train Operator Monitoring

مروری بر ساختارهای آگزتیک: طراحی هندسی، روش های ساخت افزایشی و کاربردهای نوین در مهندسی

Toward 6G: Artificial Intelligent, Advanced Radio Access Networks, and Emerging Wireless Technologies

کاربرد یادگیری ماشین در پیشبینی خطاهای نرم افزاری در مراحل اولیه توسعه سیستم های پیچیده

Resource Optimization in Large Language Model Deployment Using Reinforcement Learning and Adaptive Software Engineering