-
پديد آورنده
اميدي، مينا
-
عنوان
تشخيص ناهنجاري ها در كيفيت سرويس شبكه و تجزيه و تحليل علت اصلي شكست در برنامه هاي كاربردي ابري مبتني بر سرويس
-
مقطع تحصيلي
كارشناسي ارشد
-
رشته تحصيلي
مهندسي كامپيوتر
-
سال تحصيل
تهران شمال
-
تاريخ دفاع
1403
-
وضعيت پايان نامه
تاريخ ثبت در تهران شمال سه شنبه 1403/8/1
-
مشخصات ظاهري
صحافي شده ندارد
-
استاد مشاور
مهدي موسوي
-
توصيفگر فارسي
تشخيص ناهنجاري ها در كيفيت سرويس شبكه و تجزيه و تحليل علت اصلي شكست در برنامه هاي كاربردي ابري مبتني بر سرويس
-
شناسه هاي افزوده
د انشكگاه پيام نور مركز تهران شمال
-
چكيده
با افزايش روز افزون حملات سايبري مختلف به شبكه هاي كامپيوتري و وابستگي بسيار زياد فعاليت هاي حوزههاي مختلف به سرويس هايي كه توسط شبكه هاي كامپيوتري ارائه مي شود، تلاش براي جلوگيري از خرابي سرويسها و كشف و نفوذ در شبكه ها امري بسيار مهم است. در اين پژوهش به بررسي تشخيص ناهنجاري ها در كيفيت سرويس شبكه و تجزيه و تحليل علت اصلي شكست در برنامه هاي كاربردي ابري مبتني بر سرويس پرداخته شده است. در اين پژوهش از الگوريتم¬هاي مبتني بر يادگيري ماشين براي تشخيص الگوي ناهنجاري در شبكه استفاده شده است. ابتدا پس از جمع آوري داده هاي مربوط به علل خرابي در برنامههاي چندسرويس و درنظرگيري شاخص هاي تلفات بسته ها، جيتر و تاخير به عنوان شاخص هاي كيفيت شبكه، از الگوريتم بهينه سازي گرگ خاكستري به منظور انتخاب ويژگيهاي بهينه و شبكه عصبي LSTM به منظور استخراج و طبقهبندي ويژگي ها در راستاي تشخيص خرابي و ناهنجاريها در كيفيت سرويس استفاده شده است. نتايج اين پژوهش در قالب دو سناريوي استفاده از الگوريتم گرگ خاكستري و بدون استفاده از آن مورد ارزيابي قرار گرفت. نتايج نشان داد كه استفاده از الگوريتم گرگ خاكستري در بخش پيش پردازش و انتخاب ويژگي هاي بهينه منجر به افزايش دقت تشخيص شد. همچنين مشخص شد كه اعمال الگوريتم گرگ خاكستري به الگوريتم LSTM دقت تشخيص را از 97.3107 درصد به 99.6342 درصد افزايش داده است.
-
شماره ركورد
76455
-
لينک به اين مدرک :