CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تشخیص حمله حفره سیاه با کمک ماشین بردار پشتیبان تک کلاسه مبتنی بر ناهمبستگی ویژگی ها در شبکه های موردی سیار

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۰۲۲ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_158
زبان مقاله: فارسی
حجم فایل: ۱۴۵.۰۸ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تشخیص حمله حفره سیاه با کمک ماشین بردار پشتیبان تک کلاسه مبتنی بر ناهمبستگی ویژگی ها در شبکه های موردی سیار

  علیرضا پیلتن - دانشگاه علم و صنعت ایران، شرکت امن افزار گستر شریف
  مینو سادات میرپوریان - دانشگاه علم و صنعت ایران، مرکز تحقیقات مخابرات ایران
  رضا برنگی - دانشگاه علم و صنعت ایران

چکیده مقاله:

سامانه تشخیص تهاجم در شبکه های موردی سیار در دسته روش های امنیتی عکس العملی تلقی می شوند. روش های تشخیص رفتار نامتعارف بر اساس الگوریتم های طبقه بندی مختلف از جمله ماشین بردار پشتیبان و شبکه های ععصبی ارائه می شوند. تمرکز این مقاله بر روی تشخیص حمله حفره سیاه در شبکه های موردی سیار با بکارگیری تکنیک ماشین بردار پشتیبان تک کلاسه می باشد. ویژگی های متعارف شبکه موردی سیار بر اساس پروتکل مسیریابی پیش کنشی شکل گرفته و زیر مجموعه ای از آن بر اساس معیار ناهمبستگی ویژگی های انتخابی به منظور آماده سازی داده برای تعیین مدل آماری توسط ماشین بردار پشتیبان تک کلاسه استفاده شده است. هدف از این کار، افزایش کارایی تشخیص حمله خطرناک حفره سیاه در مسیریابی واکنشی شبکه های موردی سیار می باشد. نتایج حاصل شده حاکی از کارایی مناسب سامانه تشخیص تهاجم پیشنهادی است.

کلیدواژه‌ها:

شبکه های موردی سیار، مسیریابی واکنشی، تشخیص تهاجم، حمله حفره سیاه، ماشینبردار پشتیبان، انتخاب ویژگی، طبقه بندی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_158.html
کد COI مقاله: ACCSI14_158

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
پیلتن, علیرضا؛ مینو سادات میرپوریان و رضا برنگی، ۱۳۸۷، تشخیص حمله حفره سیاه با کمک ماشین بردار پشتیبان تک کلاسه مبتنی بر ناهمبستگی ویژگی ها در شبکه های موردی سیار، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_158.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (پیلتن, علیرضا؛ مینو سادات میرپوریان و رضا برنگی، ۱۳۸۷)
برای بار دوم به بعد: (پیلتن؛ میرپوریان و برنگی، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • پیلتن، علیرضا، ارزیابی امنیتی روش‌های نفوذ در شبکه‌های موردی سیار ...
  • Zhang, Y., Zheng, J., Ma, M., Handbook of Research or ...
  • Douligeris, C., Serpanos, D., Network Security Current Status and Future ...
  • Manvitz, L. M., Yousef, M., ،4One-Class SVMs for Document Cla ...
  • Bose, S., Kannan, A., *Detecting Denial of Service Attacks using ...
  • Hu, Y., Perrig, A., Johnson, D., *Rushing Attacks and Defense ...
  • Djenouri, D., Mahmoudi, O., Bouamama, M., Llewellyn- Jones, D., Merabti, ...
  • Johnson, D., Hu, Y., Maltz, D., The Dynamic Source Routing ...
  • -based Intrusion SVM؛، Deng, H., Zeng, Q., Agrawal, D., Detection ...
  • Novikov, D., Yampolskiy, R., Reznik, L., "Anomaly Detection Based Intrusion ...
  • Khan, L., Awad, M., Thurai singham, B., ،A New Intrusion ...
  • Hu, Y. C., Perrig, A., Johnson, _ B., ،Packet Leashes: ...
  • Kurosawa, S., Nakayama, H., Kato, N., Jamalipour, A., Blackhole Attack ...
  • Yang, H., Luo, H., Ye, F., Lu, S., Zhang, L., ...
  • Joseph, J., Das, A., Seet, B., Lee, B., *Opening the ...
  • Zhang, Y., Lee, W., Huang, Y., ،، Intrusion Detection Techniques ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۲۴۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.