دانلود ترجمه مقاله انتخاب ویژگی برای سیستم تشخیص نفوذ در اینترنت اشیا (IOT) (ساینس دایرکت – الزویر ۲۰۲۱) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۵ صفحه در سال ۲۰۲۱ منتشر شده و ترجمه آن ۱۲ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

انتخاب ویژگی برای سیستم تشخیص نفوذ در اینترنت اشیا (IOT)

عنوان انگلیسی مقاله:

Feature selection for intrusion detection system in Internet-of-Things (IoT)

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۲۱
تعداد صفحات مقاله انگلیسی ۵ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی فناوری اطلاعات، فناوری اطلاعات و ارتباطات، مهندسی کامپیوتر
گرایش های مرتبط با این مقاله اینترنت و شبکه های گسترده، شبکه های کامپیوتری، دیتا و امنیت شبکه، امنیت اطلاعات
چاپ شده در مجله (ژورنال) اکسپرس فناوری اطلاعات و ارتباطات – ICT Express
کلمات کلیدی عدم پذیرش سرویس، اینترنت اشیا، انتخاب ویژگی، سیستم تشخیص نفوذ
کلمات کلیدی انگلیسی Denial-of-service – Internet of Things – Feature selection – Intrusion detection system
ارائه شده از دانشگاه گروه مهندسی کامپیوتر و فناوری اطلاعات، کالج مهندسی پونا، هند
نمایه (index) scopus – master journals – JCR – DOAJ
نویسندگان Pushparaj Nimbalkar – Deepak Kshirsagar
شناسه شاپا یا ISSN ۲۴۰۵-۹۵۹۵
شناسه دیجیتال – doi https://doi.org/10.1016/j.icte.2021.04.012
ایمپکت فاکتور(IF) مجله ۶٫۲۹۷ در سال ۲۰۲۰
شاخص H_index مجله ۲۲ در سال ۲۰۲۱
شاخص SJR مجله ۰٫۷۳۳ در سال ۲۰۲۰
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۲۰
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۸۷۵
لینک مقاله در سایت مرجع لینک این مقاله در سایت Elsevier
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۲ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه ندارد 
منابع داخل متن به صورت عدد درج شده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱- مقدمه

۲- بررسی مقالات

۳- سیستم پیشنهادی

۴- پیاده سازی سیستم و تحلیل نتیجه

۵- مقایسه و اعتبارسنجی سیستم

۶- نتیجه گیری

منابع

 

بخشی از ترجمه

چکیده

اینترنت اشیا (IoT) به دلیل آسیب پذیری فعلی دستگاه ها، از انواع مختلف حملات رنج می برد. به دلیل بسیاری از ویژگی های ترافیک شبکه اینترنت اشیا ، مدل های یادگیری ماشین برای شناسایی حملات زمان بر هستند. در این مقاله با استفاده از جمع‌آوری اطلاعات (IG) و نسبت برد  (GR) با ۵۰٪ ویژگی برتر برای شناسایی حملات DoS و DDoS، انتخاب ویژگی سیستم های تشخیص نفوذ (idss) پیشنهاد شده است. سیستم پیشنهادی با استفاده از عملیات درج و اجتماع زیرمجموعه هایی که توسط ۵۰% ویژگی های برتر IG و GR به دست آمده، زیرمجموعه‌های ویژگی را به دست می‌آورد. روش پیشنهادی به ترتیب با یک طبقه‌بندی JRip (JRipclassifier) در مجموعه داده های IoT – bot و KDD Cup 1999 به ترتیب ارزیابی و اعتبارسنجی می شود. این سیستم، نسبت به مجموعه ویژگی‌های اصلی و idss سنتی در مجموعه داده های IoT – bot و KDD Cup 1999 به ترتیب با ۱۶ و ۱۹ ویژگی، کارایی بالاتری را ارائه می دهد.

 

۱- مقدمه

اینترنت اشیا (اینترنت اشیا) یک فناوری پذیرفته شده جهانی در سیستم های شبکه خودکار است. مرحله بعدی ظهور فناوری اطلاعات (IT) و ارتباط مستقیم، اینترنت اشیا است، از اسباب بازی کوچک تا کاربرد خانگی گرفته تا شهر هوشمند اینترنت اشیا. IoT ترکیبی از سیستم های جاسازی شده متصل به ابر است که برای دسترسی به سرویس‌های مرتبط با IT که از ترکیبی از اشیای الکترونیکی و پروتکل اینترنت استفاده می‌کند، توسط مشتری به کارگرفته می‌شود.

 

بخشی از مقاله انگلیسی

Abstract

Internet of Things (IoT) is suffered from different types of attacks due to vulnerability present in devices. Due to many IoT network traffic features, the machine learning models take time to detect attacks. This paper proposes a feature selection for intrusion detection systems (IDSs) using Information Gain (IG) and Gain Ratio (GR) with the ranked top 50% features for the detection of DoS and DDoS attacks. The proposed system obtains feature subsets using insertion and union operations on subsets obtained by the ranked top 50% IG and GR features. The proposed method is evaluated and validated on IoT-BoT and KDD Cup 1999 datasets, respectively, with a JRipclassifier. The system provides higher performance than the original feature set and traditional IDSs on IoT-BoT and KDD Cup 1999 datasets using 16 and 19 features, respectively.

 

۱٫ Introduction

Internet of Things (IoT) is a globally adopted technology in automated network systems. The next stage of the Information Technology (IT) rising and interconnectivity is the IoT, from little toy to homemade application to the smart city in IoT. IoT is a mixture of cloud-connected embedded systems used by the consumer to access IT-related services utilizing the combination of electronics-related things and internet protocol.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

انتخاب ویژگی برای سیستم تشخیص نفوذ در اینترنت اشیا (IOT)

عنوان انگلیسی مقاله:

Feature selection for intrusion detection system in Internet-of-Things (IoT)

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *