CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارزیابی ویژگیهای جدیدبرای شناسایی روبات های مخرب وب برپایه ی روشهای یادگیری ماشین

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۴۳۵ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: BPJ01_716
زبان مقاله: فارسی
حجم فایل: ۳۲۲.۹۶ کیلوبایت (فایل این مقاله در ۷ 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 ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارزیابی ویژگیهای جدیدبرای شناسایی روبات های مخرب وب برپایه ی روشهای یادگیری ماشین

  ناصر یوسفی - دانشجوی کارشناسی ارشد
    مجید وفایی جهان - استادیاردانشگاه آزاد اسلامی واحد مشهد
جواد حاجیان نژاد -

چکیده مقاله:

امروزه انواع مختلفی ازروباتهای وب همزمان با کاربران انسانی به اطلاعات سایت ها دسترسی پیدا می کنند دسته بندیکاربران وجداسازی انسان ها ازروبات ها مسئله مهم برای سرورهای ارایهدهنده ی خدمات محسوب میشود چرا که گاهی خدمت دهی به روبات ها مانع ازارایه خدمات کافی برای کاربرانسانی میشود ازطرفی روباتها خودشان به دسته های خوش رفتارومخرب تقسیم بندی میشوند و نبایدازدسترسی همه ی آنها جلوگیری به عمل اورد ازجمله روبات مخربی که برای حمله به سایت ها استفاده میشوند روباتهای حمله ی منع سرویس هستند که همه ساله خسارت فراوانی ازخود برجای میگذارند مادراین تحقیق بااستفاده ازتکنیک های یادگیری ماشین برروی فایل ثبت وقایع سایت به مدلی مناسب برای شناسایی روباتهای مخرب وب باصحت بالای 96درصد دست پیدا کرده ایم همچنین مابانگاهی ویژه به روباتهای مخربی که رفتارانسان ها را تقلید می کنند روش جدیدی برای برچسب گذاری مجموعه داده پیشنهاد دادیم و باارایه 4ویژگی جدید نشان دادیم که روشهای یادگیری ماشین بااستفاده ازویژگیهای ارایه شده درپژوهشهای قبلی و افزودن این ویژگی ها عملکردبهتری ازخود نشان میدهند

کلیدواژه‌ها:

روبات وب، مخرب، دسته بندی، حمله ی DDoS ، Bot

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-BPJ01-BPJ01_716.html
کد COI مقاله: BPJ01_716

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:
یوسفی, ناصر؛ مجید وفایی جهان و جواد حاجیان نژاد، ۱۳۹۲، ارزیابی ویژگیهای جدیدبرای شناسایی روبات های مخرب وب برپایه ی روشهای یادگیری ماشین، اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات، رودسر، دانشگاه آزاد اسلامی واحد رودسر و املش، https://www.civilica.com/Paper-BPJ01-BPJ01_716.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: (یوسفی, ناصر؛ مجید وفایی جهان و جواد حاجیان نژاد، ۱۳۹۲)
برای بار دوم به بعد: (یوسفی؛ وفایی جهان و حاجیان نژاد، ۱۳۹۲)
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 :

  • Koster, M., A standard for robot exclusion. 1994:NEXOR ...
  • Koster, M., Guidelines for robot 1vriters. Nexor Corp., http://web. nexor. ...
  • Kollar, C.P., J.R.R. Leavitt, and M. Mauldin, Robot exclusion standard ...
  • URL: http ://www. kollar. com/robots .html, 1996. ...
  • Eichmann, D., Ethical web agents. Computer Networks and ISDN Systems, ...
  • Tan, P.-N. and V. Kumar, Discovery of Web Robot Sessions ...
  • Dikaiakos, M., A .Stassopoulou, and L. Papageorgiou, Characterizing crawler behavior ...
  • Dikaiakos, M .D., A. Stassopoulou, and L. Papageorgiou, An investigation ...
  • Communic ations , 2005. 28(8): p. 880-897. ...
  • Ye, S., G. Lu, and X. Li. Worklo ad-aware web ...
  • Bomhardt, C., W. Gaul, and L. S chmidt-Th ieme, Web ...
  • Stassopoulou, A. and M.D. Dikaiakos, Web robot detection: A probabilistic ...
  • Lin, J.L., Detection of cloaked web spam by using tag- ...
  • Hou, Y.T., et al., Malicious web content detection by machine ...
  • Lu, W.Z. and S.Z. Yu. Web robot detection based on ...
  • Von Ahn, L, et al., CAPTCHA: Using hard AI problems ...
  • Lin, X., L. Quan, and H. Wu. An automatic scheme ...
  • Global Telecommun ications Conference, 2008. IEEE GLOB ECOM 2008. IEEE. ...
  • Lourenxo, A. and O. Belo, Applying Clickstream Data Mining to ...
  • Stevanovic, D., N. Vlajic, and A. An, Unsupervised Clustering of ...
  • Stevanovic, D., N. Vlajic, and A. An, Detection of malicious ...
  • The Web Robots Pages. url: _ : /www .robotstxt. _ ...
  • List of User Agent Strings. url: _ _ last accessed ...
  • Staeding, A., List of User-Agents (Spiders, Robots, Cravler, Browser). URL ...
  • h _ : [www.usera gentstrig _ last accessed May 2013, ...
  • Mitchell, T.M., Machine learning. 1997. Burr Ridge, IL: McGraw Hill, ...
  • Quinlan, J.R., Induction of decision trees. Machine learning, 1986. 1(1): ...
  • Quinlan, J.R., C4 :5 programs for machine learning. Vol. 1. ...
  • Han, J., M. Kamber, and J. Pei, Data mining: concepts ...
  • Powers, D.M., Evaluation: From precision, recall and f- factor to ...
  • Tan, P.-N, Introduction to data mining. 2007: Pearso Education India. ...
  • 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.

    مقالات پیشنهادی مرتبط


    مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

    مقالات مرتبط جدید

    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.