CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شناسایی نوع قطعه فایل های فشرده شده با استفاده از محتوای رشته بیت

اعتبار موردنیاز PDF: ۱ WORD: ۶ | تعداد صفحات: ۱۵ | تعداد نمایش خلاصه: ۴۷ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_470
زبان مقاله: فارسی
حجم فایل: ۵۱۵.۰۱ کیلوبایت (فایل این مقاله در ۱۵ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم 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 PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۵ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی نوع قطعه فایل های فشرده شده با استفاده از محتوای رشته بیت

  سیده طوبی درخشنده ریشهری - کارشناس ارشد مهندسی کامپیوتر،گرایش نرم افزار،دانشگاه آزاد اسلامی گروه مهندسی کامپیوتر ،دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی،بوشهر،ایران
  مرضیه معصومی - گروه مهندسی کامپیوتر ،دانشکده تحصیلات تکمیلی، دانشگاه آزاد اسلامی،بوشهر،ایران
  احمد کشاورز - استادیار،گروه مهندسی برق ،دانشکده مهندسی، دانشگاه خلیج فارس،بوشهر،ایران

چکیده مقاله:

امروزه کامپیوترها با تعداد زیادی فرمت فایل سر و کار دارند که بدون تشخیص درست نوع فایل امنیت کامپیوترها و شبکه پایین می آید. بنابراین تشخیص درست نوع فایل باعث می شود تا سیستم عامل ها، فایروال ها و سیستم های تشخیص نفوذ عملکرد بهتری داشته باشند. اگرچه مطالعات زیادی در زمینه شناسایی قطعات انواع فایل صورت گرفته است ولی شناسایی قطعات فایل با آنتروپی بالا کمتر مورد توجه قرار گرفته است. پس نیاز است در این زمینه تحقیقات بیشتری صورت گیرد و تکنیک های بهتری ارایه شود. از این رو شناسایی قطعه فایل با آنتروپی بالا چالش بزرگی در قوانین دیجیتال می باشد. به منظور حل این گونه مسایل ابتدا قطعات فشرده و رمزنگاری شده پردازش می شوند سپس با کمک تست های آماری NIST ویژگی های قطعه فایل ها استخراج شده و در آخر توسط الگوریتم های مختلف شبکه عصبی مصنوعی طبقه بندی می گردند. در این پژوهش ابتدا یک مجموعه داده شامل 1000 فایل از مجموعه داده Govdocs1 انتخاب شد. سپس این فایل ها با کمک نرم افزارهای فشرده سازی و رمزنگاری تبدیل به فایل های فشرده شده و رمزنگاری شده گردیدند. در گام بعدی مجموعه داده مورد نیاز ایجاد می شود که ابتدا از هر فایل قطعات چهار،هشت و شانزده کیلوبایتی را برداشته و آن ها را تبدیل به رشته بیت می کند. سپس رشته بیت های حاصل به 10 تست از 15 تست آماری NIST داده می شود تا ویژگی های هر رشته بیت از طریق روش پیشنهادی بدست آید. در آخر با استفاده از الگوریتم MLP قطعات فایل طبقه بندی می شوند. این مدل پیشنهادی باعث می شود که دقت طبقه بندی قطعه فایل های فشرده و رمزنگاری شده افزایش یابد.

کلیدواژه‌ها:

فشرده شده، رمزنگاری شده، شناسایی، قطعه فایل، رشته بیت، آنتروپی بالا

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-CITCOMP02-CITCOMP02_470.html
کد COI مقاله: CITCOMP02_470

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:
درخشنده ریشهری, سیده طوبی؛ مرضیه معصومی و احمد کشاورز، ۱۳۹۶، شناسایی نوع قطعه فایل های فشرده شده با استفاده از محتوای رشته بیت، دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه مجلسی، https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_470.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: (درخشنده ریشهری, سیده طوبی؛ مرضیه معصومی و احمد کشاورز، ۱۳۹۶)
برای بار دوم به بعد: (درخشنده ریشهری؛ معصومی و کشاورز، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۳۶۵۸
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.

مقالات پیشنهادی مرتبط

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.