• شماره ركورد
    7828
  • پديد آورنده

    الهه حسيني

  • عنوان
    تشخيص زودهنگام بدافزار در اينترنت اشيا با استفاده از روش هاي يادگيري ماشين
  • مقطع تحصيلي
    كارشناسي
  • رشته تحصيلي
    مهندسي كامپيوتر
  • سال فارغ التحصيلي
    1400
  • استاد راهنما
    دكتر محمد عبداللهي ازگمي
  • استاد مشاور
    _
  • دانشجوي وارد كننده اطلاعات

    الهه حسيني

  • تاريخ ورود اطلاعات
    1401/04/13
  • دانشكده
    مهندسي كامپيوتر
  • عنوان به انگليسي
    Early detection of malware in the Internet of Things using machine learning methods
  • چكيده
    انقلاب اينترنت اشيا نه تنها نسل كل دستگاه‌ها را بهم متصل مي‌كند بلكه ميلياردها دستگاه ضعيف محافظت شده و به راحتي قابل هك را به اينترنت آلوده مي‌كند. جاي تعجب نيست كه اين سيل ناگهاني دستگاه هاي تازه و ناامن تهديدهايي مانند بدافزار اينترنت اشيا را تقويت مي‌كند. بدافزار IoT كه مدام در حال پيشرفت است، اهميت تجزيه و تحليل تكنيك هايي را كه مي‌تواند براي پيشرفت در بدافزار اينترنت اشيا استفاده شود، به ارمغان مي‌آورد. در اين تحقيق، ما مجموعه‌اي از تكنيك‌ها را براي تجزيه و تحليل بدافزار به منظور درك و جلوگيري از فعاليت آن ارائه مي‌دهيم. ما يك رويكرد تركيبي را توسعه مي‌دهيم كه با يادگيري ماشين براي طبقه بندي خانواده بدافزارها براساس ترافيك شبكه تركيب مي‌شود. ما راه حل خود را در مجموعه‌اي از 1700 بدافزار جمع‌آوري شده طي يك سال ارزيابي كرده‌ايم. در نتيجه، ما نشان مي‌دهيم كه رويكرد ما مي‌تواند بدافزار را با دقت 92٪ شناسايي كند.
  • كليدواژه ها
    اينترنت اشيا , بدافزار , يادگيري ماشين