چکیده مقاله
هوش مصنوعی AI با پیشرفت های اخیر، توانایی های جدیدی برای پردازش داده های حجیم و تصمیم گیری در لحظه به سیستم های رایانه ای بخشیده است تکنیک های یادگیری ماشین و یادگیری عمیق به طور گسترده ای در برنامه های امنیتی مانندتشخیص حملات پیشرفته پایدار، شناسایی ناهنجاری ها و طبقه بندی بدافزارها مورد استفاده قرار می گیرند راهکارهای امنیتیمبتنی بر هوش مصنوعی باید از توانایی تشخیص تهدیدات و استحکام بالایی برخوردار باشند، زیرا آسیب پذیری ها در این سیستم هامی تواند پیامدهای جدی در پی داشته باشد این مقاله بر روی بهبود تشخیص ناهنجاری در زمان واقعی در فرآیندهای علمی تمرکز دارد و هدف آن افزایش سرعت، دقت، مقاومت و قابلیت توضیح راهکارهای امنیتی مبتنی بر AI است تکنولوژی های جدید در حوزه هوش مصنوعی AI به سیستم های کامپیوتری این قابلیت را می دهد که داده های حجیم را بررسی کنند و در لحظه تصمیماتی را اتخاذ کنند یک سیستم جدید به نام RAMP Real time Aggregated Matrix Profile برای تشخیص ناهنجاری در زمان واقعی در سیستم های گردش کار علمی پیشنهاد شده است این سیستم قادر است پارامترهای خود را بر اساس بازخورد کاربران انسانی در مورد ناهنجاری هایگزارش شده به طور پویا تنظیم کند
کلیدواژهها
نویسندگان
سندس اردبیلی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یادگار امام خمینی ره ،تهران، ایران
علی عزتی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یادگار امام خمینی ره ،تهران، ایران
مصطفی خلجی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یادگار امام خمینی ره ،تهران، ایران
علیرضا کوهی
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یادگار امام خمینی ره ،تهران، ایران
شیوه ارجاع
�ردبیلی، سندس و عزتی، علی و خلجی، مصطفی و کوهی، علیرضا،1403،بررسی تشخیص ناهنجاری در زمان واقعی در فرآیندهای علمی،بیست و سومین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات بیست و سومین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات31 خرداد 1403 · بابل