صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

ورزش

سلامت

پژوهش

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

علم +

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
۱۶:۱۱ - ۱۴ آبان ۱۳۹۹
در دانشگاه آزاد اسلامی واحد شبستر؛

نخستین دانشجوی دکتری رشته مهندسی کامپیوتر فارغ‌التحصیل شد

نخستین دانشجوی دکتری رشته مهندسی کامپیوتر - گرایش سیستم‌های نرم‌افزاری دانشگاه آزاد اسلامی واحد شبستر با دفاع از رساله خود فارغ‌التحصیل شد.
کد خبر : 528147

به گزارش خبرنگار خبرگزاری آنا از شبستر، مهدی اسدی با دفاع از رساله دکتری خود با عنوان «تشخیص شبکه بات بر اساس تحلیل ارتباطات و رفتار بدخواهانه» به‌عنوان نخستین دانشجوی دکتری رشته مهندسی کامپیوتر - گرایش سیستم‌های نرم‌افزاری دانشگاه آزاد اسلامی واحد شبستر فارغ‌التحصیل شد.


اسدی درباره چکیده رساله دکتری خود به خبرنگار خبرگزاری آنا گفت: یک شبکه بات، شبکه‌ای از سیستم‌های کامپیوتری یا دستگاه‌های هوشمند آلوده بر روی اینترنت است که توسط مدیربات بدافزار از راه دور کنترل می‌شود تا فعالیت‌های بدخواهانه مختلفی مانند اجرای حملات منع خدمات، ارسال هرزنامه، سرقت کلیک و ... را انجام دهند.


این کارشناس علوم رایانه‌ای خاطرنشان کرد: مدیربات، ترافیک شبکه را در هنگام برقراری ارتباط با بات‌های خود تولید می‌کند، تجزیه و تحلیل این ترافیک برای تشخیص ترافیک شبکه بات می‌تواند به‌عنوان یک چالش و موضوع جدید برای تحقیق در نظر گرفته شود.


فارغ‌التحصیل مقطع دکتری کامپیوتر دانشگاه آزاد اسلامی شبستر بیان کرد: روش‌های مختلفی برای شناسایی شبکه‌های بات وجود دارد و تحقیقات قبلی با مشکلاتی ازجمله نرخ خطای زیاد و نداشتن دقت بالا در تشخیص روبه‌رو بوده‌اند.


اسدی اظهار کرد: پس از بررسی خصوصیات مجموعه داده‌های شبکه‌های بات در دسترس، برای انتخاب روش مناسب برای استخراج الگوهای فعالیت شبکه‌های بات، در روش پیشنهادی الگوریتم خوشه‌بندی X-means برای حذف داده‌های پرت و الگوریتم بهینه‌سازی ازدحام ذرات (PSO) برای انتخاب ویژگی‌های تأثیرگذار استفاده شده است.


وی افزود: برای آموزش مدل پیشنهادی از روش رأی‌گیری که شامل مدل‌های شبکه عصبی عمیق، الگوریتم ماشین‌بردار پشتیبان و درخت تصمیم C4.5 است، استفاده شده است.


این کارشناس علوم رایانه‌ای خاطرنشان کرد: در این رساله برای نخستین بار، سیستم رأی‌گیری حاوی شبکه عصبی عمیق (BD-PSO-V) به‌منظور تشخیص شبکه‌های بات ارائه شده است، با استفاده از روش پیشنهادی تعداد ویژگی‌های مجموعه داده کاهش یافته و این امر سبب افزایش سرعت روش پیشنهادی شده است، برای تأیید بیشتر عملکرد سیستم BD-PSO-V از دو مجموعه داده ISOT و Bot-IoT استفاده شد.


فارغ‌التحصیل مقطع دکتری کامپیوتر دانشگاه آزاد اسلامی شبستر اظهار کرد: شبیه‌سازی BD-PSO-V در مقایسه با روش‌های دیگر بررسی شده، دقت را به‌طور متوسط 0.24 درصد و 0.71 درصد در مجموعه داده ISOT و مجموعه داده Bot-IoT بهبود بخشید، علاوه بر این، اثر 6 حمله خصمانه شناخته شده در هر دو مجموعه داده مورد بررسی قرار گرفت و با وجود افت کم در میزان دقت، نتایج سیستم BD-PSO-V عملکرد امیدوارکننده‌ای در برابر انواع حملات داشت.


به گزارش آنا در انجام این رساله سعید پارسا دانشیار دانشگاه آزاد اسلامی واحد شبستر و محمد‌علی جبرئیل جمالی استادیار دانشگاه آزاد اسلامی شبستر به‌عنوان استادان راهنما و وحید مجید‌نژاد استادیار دانشگاه آزاد اسلامی شبستر به‌عنوان استاد مشاور اسدی را همراهی کردند.


داوران این رساله علی فرزان استادیار دانشگاه آزاد اسلامی شبستر، علی غفاری دانشیار دانشگاه آزاد اسلامی واحد تبریز و فرهاد سلیمانیان استادیاردانشگاه آزاد اسلامی ارومیه بودند.


مهدی اسدی توانست با کسب درجه عالی موفق به پایان تحصیلات خود در رشته کامپیوتر در مقطع دکتری شود و نام خود را به‌عنوان نخستین دانش‌آموخته دکتری این رشته در دانشگاه آزاد اسلامی واحد شبستر ثبت کند.


رساله وی منتج به ارائه ۳ مقاله «یک مقاله ISI JCR Q1 در مجله Future Generation Computer System از انتشارات Elsevier با ضریب تاثیر ۶.۱۲۵  و دو مقاله علمی و پژوهشی وزارتین ISC در مجله پدافند الکترونیکی و سایبری دانشگاه امام حسین علیه‌السلام  شده است.


انتهای پیام/4117/4062/


انتهای پیام/

ارسال نظر