ترجمه فارسی مقاله به سوی امنیت سایبری خودمختار: یک چارچوب هوشمند خودکار خودکار برای تشخیص نفوذ خودکار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Towards Autonomous Cybersecurity: An Intelligent AutoML Framework for Autonomous Intrusion Detection
عنوان مقاله به فارسی به سوی امنیت سایبری خودمختار: یک چارچوب هوشمند خودکار خودکار برای تشخیص نفوذ خودکار
نویسندگان Li Yang, Abdallah Shami
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Cryptography and Security,Networking and Internet Architecture,یادگیری ماشین , رمزنگاری و امنیت , شبکه سازی و معماری اینترنت ,
توضیحات Submitted 4 September, 2024; originally announced September 2024. , Comments: Accepted to the Workshop on Autonomous Cybersecurity, ACM CCS 2024; Code is available at Github link: https://github.com/Western-OC2-Lab/AutonomousCyber-AutoML-based-Autonomous-Intrusion-Detection-System , MSC Class: 68T01; 90C31 ACM Class: I.2.1; I.2.6; C.2.0
توضیحات به فارسی ارسال شده در 4 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد. ، نظرات: پذیرفته شده در کارگاه امنیت سایبری خودمختار ، ACM CCS 2024 ؛کد در لینک GitHub موجود است: https://github.com/western-oc2-lab/autonomouscyber-automl مبتنی بر-autonomous-intrusion-detection-system ، کلاس MSC: 68T01 ؛کلاس 90C31 ACM: I.2.1 ؛I.2.6 ؛c.2.0
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The rapid evolution of mobile networks from 5G to 6G has necessitated the development of autonomous network management systems, such as Zero-Touch Networks (ZTNs). However, the increased complexity and automation of these networks have also escalated cybersecurity risks. Existing Intrusion Detection Systems (IDSs) leveraging traditional Machine Learning (ML) techniques have shown effectiveness in mitigating these risks, but they often require extensive manual effort and expert knowledge. To address these challenges, this paper proposes an Automated Machine Learning (AutoML)-based autonomous IDS framework towards achieving autonomous cybersecurity for next-generation networks. To achieve autonomous intrusion detection, the proposed AutoML framework automates all critical procedures of the data analytics pipeline, including data pre-processing, feature engineering, model selection, hyperparameter tuning, and model ensemble. Specifically, it utilizes a Tabular Variational Auto-Encoder (TVAE) method for automated data balancing, tree-based ML models for automated feature selection and base model learning, Bayesian Optimization (BO) for hyperparameter optimization, and a novel Optimized Confidence-based Stacking Ensemble (OCSE) method for automated model ensemble. The proposed AutoML-based IDS was evaluated on two public benchmark network security datasets, CICIDS2017 and 5G-NIDD, and demonstrated improved performance compared to state-of-the-art cybersecurity methods. This research marks a significant step towards fully autonomous cybersecurity in next-generation networks, potentially revolutionizing network security applications.

چکیده به فارسی (ترجمه ماشینی)

تکامل سریع شبکه های تلفن همراه از 5G تا 6G نیاز به توسعه سیستم های مدیریت شبکه مستقل مانند شبکه های لمسی صفر (ZTN) دارد.با این حال ، افزایش پیچیدگی و اتوماسیون این شبکه ها نیز خطرات امنیت سایبری را افزایش داده است.سیستم های تشخیص نفوذ موجود (IDSS) با استفاده از تکنیک های یادگیری ماشین سنتی (ML) اثربخشی در کاهش این خطرات نشان داده اند ، اما آنها اغلب به تلاش دستی و دانش تخصصی نیاز دارند.برای پرداختن به این چالش ها ، این مقاله چارچوب IDS خودمختار مبتنی بر یادگیری ماشین (AUTOML) را برای دستیابی به امنیت سایبری خودمختار برای شبکه های نسل بعدی پیشنهاد می کند.برای دستیابی به تشخیص نفوذی مستقل ، چارچوب پیشنهادی Automl تمام روشهای مهم خط لوله تجزیه و تحلیل داده ها ، از جمله پیش پردازش داده ها ، مهندسی ویژگی ها ، انتخاب مدل ، تنظیم هایپرپارامتر و مجموعه مدل را خودکار می کند.به طور خاص ، این روش از یک روش Auto-Auto-Auto-Auto-Auto-Auto-Auto برای تعادل خودکار داده ها ، مدل های ML مبتنی بر درخت برای انتخاب ویژگی های خودکار و یادگیری مدل پایه ، بهینه سازی بیزی (BO) برای بهینه سازی هایپرپارامتر استفاده می کند ، و یک انباشت مبتنی بر اعتماد به نفس جدید بهینه سازی شدهروش گروه (OCSE) برای گروه مدل خودکار.شناسه های مبتنی بر AUTOM در دو مجموعه داده امنیتی شبکه معیار عمومی ، CICIDS2017 و 5G-NIDD مورد بررسی قرار گرفت و عملکرد بهبود یافته را در مقایسه با روشهای پیشرفته امنیت سایبری نشان داد.این تحقیق یک گام مهم در جهت امنیت سایبری کاملاً خودمختار در شبکه های نسل بعدی است ، که به طور بالقوه در برنامه های امنیتی شبکه متحول می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.