ترجمه مقاله سیستم تشخیص نفوذ مبتنی بر فازی در MANET

قیمت خرید این محصول

۸۲,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

سیستم تشخیص نفوذ مبتنی بر فازی در شبکه های ادهاک متحرک (MANET)

عنوان انگلیسی

Fuzzy based intrusion detection system in MANET

صفحات مقاله فارسی

17

صفحات مقاله انگلیسی

6

سال انتشار

2023

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

نوع ارائه مقاله

ژورنال

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

فونت متن خلاصه

بی نازنین

سایز متن خلاصه

14

زبان متن خلاصه

فارسی

ایمپکت فاکتور(IF) مجله

1.083 در سال 2022

پایگاه

اسکوپوس

تعداد کلمات متن خلاصه

1250

شاخص H_index مجله

8 در سال 2023

شاخص Q یا Quartile (چارک)

Q4 در سال 2022

شاخص SJR مجله

0.215 در سال 2022

شناسه ISSN مجله

2665-9174

کد محصول

13954

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

تایپ شده است ✓

ضمیمه

ندارد ☓

بیس

است ✓

مدل مفهومی

دارد ✓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

فرضیه

ندارد ☓

رفرنس در ترجمه

در داخل متن و انتهای مقاله درج شده است

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.measen.2022.100578

دانشگاه

مرکز آموزش عالی نورالاسلام، کوماراکویل، تامیل نادو، هند

رشته و گرایش های مرتبط با این مقاله

مهندسی کامپیوتر - مهندسی فناوری اطلاعات - امنیت اطلاعات - سامانه های شبکه ای - شبکه های کامپیوتری

کلمات کلیدی

شبکه ی ادهاک متحرک - سامانه ی تشخیص نفوذ - امنیت - یادگیری افراطی فازی - تحلیل مؤلفه ی اصلی - رقابت ابزارهای داده کاوی و کشف دانش

کلمات کلیدی انگلیسی

Mobile adhoc network - Intrusion detection system - Security - Fuzzy extreme learning - Principal component analysis - Knowledge discovery and data mining tools - competition

مجله

Measurement: Sensors

با خرید این کالا; ترجمه فارسی مقاله، مقاله انگلیسی، پاورپوینت و ترجمه خلاصه قابل دانلود خواهد بود. بلافاصله پس از خرید، دکمه دانلود ظاهر شده و محصول به ایمیل شما نیز ارسال خواهد گردید.

فهرست

چکیده
1- مقدمه
2- بررسی ادبیات پژوهشی
3- روش پیشنهادی
4- نتایج و گفتمان
5- نتیجه گیری
منابع

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

فایل پاورپوینت این مقاله

در کنار ترجمه مقاله، فایل پاورپوینت این مقاله نیز ایجاد شده و در این محصول قرار داده شده است که پس از خریداری به همراه ترجمه قابل دانلود خواهد بود. تعداد اسلایدهای این پاورپوینت 18 می باشد و آماده ارائه در دانشگاه یا سایر سمینارها است.

فایل خلاصه ترجمه

در صورتی که نیاز به خلاصه ای از متن ترجمه این مقاله دارید، می توانید از فایل خلاصه ترجمه استفاده نمایید که به این محصول اضافه شده است. خلاصه ترجمه این مقاله در 6 صفحه در فایل word انجام شده و داخل بسته قرار گرفته است.

نمونه چکیده ترجمه متن فارسی

چکیده
توسعه ی سریع و رواج و محبوبیت شبکه ی ادهاک متحرک (MANET) مسائل امنیتی زیادی را در شبکه به همراه داشته است. سامانه ی تشخیص نفوذ، یک فناوری امنیتی مؤثر که می تواند داده های مخرب در محیط شبکه های پیچیده را به خوبی تشخیص داده و امنیت شبکه ی کامپیوتری را تضمین کند. به دلیل اینکه پیچیدگی MANET، IDSهای سامانه ی تشخیص نفوذ قدیمی در این بستر مؤثر واقع نمی شوند، روش های متعددی از جمله ماشین بردار پشتیبان (SVM) به منظور تشخیص نفوذ مورد استفاده قرار گرفته اند. اکثر فناوری های موجود تلاش می کنند تا زمان اجرای کمتر و بهره وری انرژی را به همراه داشته باشند درحالیکه به نرخ تشخیص دقیق دست پیدا می کنند. به منظور غلبه برا این ایرادات و مشکلات، یک ماشین یادگیری افراطی فازی جدید مبتنی بر تحلیل مؤلفه ی اصلی (PCA-FELM) در این مقاله مطرح شده است. در درجه ی اول، ویژگی ها با استفاده از تحلیل مؤلفه ی اصلی استخراج می شوند و پس از آن ویژگی های استخراج شده با استفاده از ماشین یادگیری افراطی فازی طبقه بندی می شوند. PCA-FELM با استفاده از شبیه ساز MAT LAB اجرا می شود. PCA-FELM پیشنهادی با روش های موجود مثل DBN-IDS، GOA-SVM، و SDAE-ELM مقایسه شده و روش پیشنهادی به دقت 99.08% بالاتر از سایر روش های موجود دست می یابد. آزمایش های صورت گرفته روی رقابت ابزارهای داده کاوی و کشف دانش، مجموعه داده های KDD Cup99 نشان می دهند که روش PCA-FELM پیشنهادی نسبت به سایر تکنیک های موجود از عملکرد خیلی بهتری برخوردار هستند.
2- بررسی ادبیات پژوهشی
با توجه به تحرک و پویایی گره ها، گره های مخرب درون شبکه وجود دارند. به دلیل این نقاط ضعف، MANET به احتمال خیلی زیاد مورد حمله ی نهادهای مخرب قرار بگیرد. بنابراین، بسیاری از محققان تلاش کرده اند تا نفوذ در MANET را با استفاده از روش های یادگیری ماشین و یادگیری عمیق شناسایی کرده و تشخیص دهند. در میان این روش ها، تنها معدود روش هایی وجود دارند که در این بخش مورد بررسی قرار گرفته اند.
در سال 2019، وی، P.، [21]، یک استراتژی بهینه سازی همزمان جدید را برای تقویت ساختار DBN در بستر یک مشکل بهینه سازی مدل طبقه بندی تشخیص نفوذ مبتنی بر یک DBN (DBN-IDS) مطرح کرد. روش پیشنهادی وضعیت شبکه ی DBN در بازه ی لایه ی پنهان را با تعداد محدودی از لایه های پنهان بهینه سازی می کند.
در سال 2019، ای، Z.، و همکاران [22] یک ماشین بردار پشتیبان براساس روش بهینه سازی ملخ (GOA-SVM) را برای افزایش و تقویت دقت ماشین بردار پشتیبان (SVM) در اسکن آسیب پذیری پیشنهاد کردند. به منظور افزایش دقت ماشین بردار پشتیبان در تشخیص نفوذ، این مقاله GOA-SVN را معرفی کرده و از آن برای تشخیص نفوذ استفاده همی کند. مطابق با نتایج آزمایشی، این روش بهتر از روش های موجود عمل می کند.
در سال 2019، گائو، جی، و همکاران [23] یک سامانه ی قوی و استوار تشخیص نفوذ به شبکه براساس ماشین یادگیری افراطی (ELM) و فناوری چندنظرسنجی (MVT) را ارائه کردند. چندین شبکه ELM متفاوت را به دلیل قابلیت و توانایی آنی و واقعی ELM می توان همزمان توسعه داد. روش پیشنهادی در این مطالعه می تواند به دقت تشخیص دست پیدا کند درحالیکه از مجموعه اطلاعات گسترده در یک بازه زمانی بسیار کوتاه تر استفاده می کند.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT