چکیده مقاله
با گسترش سریع استفاده از سامانه های آموزشی مبتنی بر رایانش ابری نگرانیها پیرامون امنیت اطلاعات کاربران به ویژه در محیط های آموزشی چند سکویی افزایش یافته است این سامانه ها به دلیل ماهیت اشتراکی و دسترسی از راه دور در معرض حملات سایبری پیچیده ای نظیر نفوذ، جعل هویت و دستکاری داده ها قرار دارند هدف این پژوهش ارائه یک مدل ترکیبی نوین برای تشخیص نفوذ در سامانه های آموزشی ابری است که به صورت خاص به بهبود مدیریت امنیتی در این زیرساختها کمک می کند در این مدل از الگوریتم شعله زن Moth Flame Optimization برای انتخاب ویژگی های موثر و کاهش ابعاد داده استفاده شده و طبقه بند قدرتمند XGBoost جهت تشخیص دقیق الگوهای نفوذ به کار گرفته شده است ارزیابی مدل پیشنهادی بر پایه مجموعه داده معیار NSL KDD انجام شده و نتایج حاصل نشان میدهند که مدل ترکیبی ارائه شده نسبت به سایر روشهای مرسوم نظیر SVM و Random Forest، از نظر دقت نرخ تشخص Detection Rate و نرخ مثبت کاذب False Positive Rate عملکرد برتری دارد این یافته ها نشان میدهد که مدل پیشنهادی می تواند به عنوان یک ابزار کارآمد در سیاست گذاری امنیتی مراکز آموزشی آنلاین و پلتفرم های یادگیری الکترونیکی مورد استفاده قرار گیرد و از طریق تشخیص به موقع تهدیدات به بهبود تاب آوری امنیتی و حفاظت از داده های حساس آموزشی کمک کند
کلیدواژهها
نویسندگان
امین عطار عباسی
مدیر هنرستان آموزش و پرورش استان هرمزگان، ایران آموزش و پرورش ناحیه ۱ شهرستان بندرعباس
مسلم ملایی
هنر آموز آموزش و پرورش استان هرمزگان، ایران، شهرستان رودان
زهرا بای
هنرآموز، آموزش و پرورش استان هرمزگان، ایران، شهرستان رودان
شیوه ارجاع
�طار عباسی، امین و ملایی، مسلم و بای، زهرا،1404،بهبود مدیریت امنیتی در سامانه های آموزشی مبتنی بر رایانش ابری با استفاده از یک مدل ترکیبی تشخیص نفوذ مبتنی بر الگوریتم شعله زن و طبقه بند XGBoost،یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1404 · تهران