پروپوزال ارائه یک مدل ترکیبی مبتنی بر الگوریتم بهینه سازی PSO و روشهای یادگیری جمعی جهت تشخیص نفوذ در شبکه های اجتماعی
پروپوزال ارائه یک مدل ترکیبی مبتنی بر الگوریتم بهینه سازی PSO و روشهای یادگیری جمعی جهت تشخیص نفوذ در شبکه های اجتماعی
موضوع اصلی این پروپوزال ” ارائه یک مدل ترکیبی مبتنی بر الگوریتم بهینه سازی PSO و روشهای یادگیری جمعی جهت تشخیص نفوذ در شبکه های اجتماعی” است. تعداد صفحات پروپوزال 18 صفحه با رعایت قالب استاندارد فرم دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است.
بخشی از بیان مسئله تحقیق:
شبکه های اجتماعی سرویسهای برخطی هستند که تعاملات و روابط زندگی واقعی را شبیه سازی میکنند. همچنین اجازه میدهد تا کاربران در شبکههای اجتماعی با کاربران دیگر ارتباط برقرار کنند و آنها را به لیست دوستان خود اضافه کنند. از طرفی حجم عظیم اطلاعات در این شبکه ها امروزه تبدیل به یک چالش مهم شده است. تحقیقات نشان میدهد که کاربران با دوستانی که در زندگی واقعی خود میشناسند و همچنین دوستان جدیدی که در شبکههای اجتماعی برخط پیدا میکنند، در ارتباط هستند[1]. برخی از کاربران علاقهمند به پیدا کردن افراد جدید جهت به اشتراک گذاشتن علایق و سلایق مشابه، شخصیتها و یا حتی تحقیق و حیطه کاری میباشند[2].
لذا با توجه به حجم عظیم فعالیت های روزانه برخی از کاربران در شبکه های اجتماعی مثل فیس بوک و توئیتر، برخی از افراد سودجو اقدام به نفوذ به پروفایل شخصی کاربران و حتی هسته شبکه اجتماعی نموده و قصد نفوذ به این سیستم ها به منظور نفوذ به حریم خصوصی افراد را دارند. بر این اساس یکی از مهمترین اهداف این پژوهش استفاده از تکنیکهایی است که بتوان نفوذ به شبکه های اجتماعی آنلاین را با دقت مناسب شناسایی نموده و از ایجاد اختلال در سیستم جلوگیری به عمل آورد. تکنیک ها و روشهای مختلفی همچون الگوریتم های طبقه بندی، پیش بینی، انتخاب ویژگی و غیره تاکنون به منظور تشخیص نفوذ در شبکه های اجتماعی آنلاین ارائه شده اند که علارغم کاربردهای فراوانی که دارند، هر کدام دارای ضعف و مشکلاتی همچون عدم برخورداری از دقت مناسب، زمان اجرا و نفوذ پذیری بوده که در این تحقیق سعی بر این است که تا حد ممکن ضعف های موجود مرتفع گردد.
استفاده از الگوریتم های انتخاب ویژگی بر روی داده های با نظارت(مجموعه داده هایی که دارای برچسب کلاس هستند) به منظور استخراج برجسته ترین ویژگی ها، از جمله مهمترین روشهایی است که در مباحث داده کاوی، پیش بینی رخدادهای آینده و تشخیص نفوذ در سیستم های مختلف مورد استفاده قرار می گیرد[3]. با پیشرفتهای اخیر در هوش مصنوعی، تکنیکهای جدیدی برای پیشبینی ارائه شده است که نسبت به تکنیک های سنتی از دقت بالاتری برخوردار هستند.
رایج ترین این تکنیکها الگوریتم های شبکه عصبی است که کاستی هایی مانند نیاز به پارامترهای کنترلی زیاد، دشواری رسیدن به نتیجهای ثابت و خطر زیاد بودن زمان پردازش را دارد. بهدلیل وجود چنین ضعفهایی مدلهای بهتری برای بهبود مدل شبکه عصبی، طراحی شده است. ماشینهای بردار پشتیبان، از الگوریتم شبکه عصبی بدیعی بر مبنای تئوری یادگیری بهره میگیرند. این الگوریتمها پتانسیل بسیار بالایی داشته و در مسائل کاربردی، نتایج بسیار خوبی بهدنبال دارند. ماشین بردار پشتیبان، یکی از روشهای یادگیری با نظارتی است که برای طبقهبندی، پیش بینی و رگرسیون استفاده میشود[4].
هدف پژوهش:
برخی از مهمترین اهداف این پژوهش به شرح ذیل است:
1- چگونه می توان با کمک ترکیب الگوریتم های بهینه سازی ازدحام ذرات و روشهای یادگیری جمعی، نفوذ به شبکه های اجتماعی آنلاین را شناسایی نمود، بطوریکه از دقت قابل قبولی برخوردار باشد؟
2- کاهش ابعاد داده ها و انتخاب بهینه ترین ویژگی ها با استفاده از الگوریتم انتخاب ویژگی PSO به منظور افزایش دقت شناسایی نفوذ
3- افزایش سرعت پردازش اطلاعات با ارائه پیش پردازش بر روی داده ها قبل از استفاده از الگوریتم های یادگیری جمعی و الگوریتم بهینه ساز ازدحام ذرات
امکانات اصلی این پروپوزال پس از خرید عبارتند از:
- امکان دانلود فایل Word پروپوزال
- امکان دانلود فایل Pdf پروپوزال
توجه: در صورت نیاز به پایان نامه، سمینار، شبیه سازی و نگارش مقاله جدید مشابه با موضوع این پروپوزال کافیست با تیم پشتیبانی ما از طریق راه های ارتباطی مندرج در سایت نابلرنینگ تماس برقرار نمایید.
- لینک دانلود فایل بلافاصله پس از پرداخت وجه نمایش داده می شود.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید کافیست به ایمیل سایت درخواستتان را ارسال نمایید.
- حدود 90% از پروژه ها دارای داکیومنت و فیلم آموزشی می باشند.