ترجمه فارسی مقاله رونمایی از اثر انگشت دیجیتال: تجزیه و تحلیل حملات اینترنتی بر اساس اثر انگشت وب سایت

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 Unveiling the Digital Fingerprints: Analysis of Internet attacks based on website fingerprints
عنوان مقاله به فارسی رونمایی از اثر انگشت دیجیتال: تجزیه و تحلیل حملات اینترنتی بر اساس اثر انگشت وب سایت
نویسندگان Blerim Rexha, Arbena Musa, Kamer Vishi, Edlira Martiri
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Cryptography and Security,رمزنگاری و امنیت ,
توضیحات Submitted 1 September, 2024; originally announced September 2024. , Comments: 14 pages, 5 tables, 2 figures, 4 equations
توضیحات به فارسی ارسال 1 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 14 صفحه ، 5 جدول ، 2 شکل ، 4 معادله
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

Parallel to our physical activities our virtual presence also leaves behind our unique digital fingerprints, while navigating on the Internet. These digital fingerprints have the potential to unveil users' activities encompassing browsing history, utilized applications, and even devices employed during these engagements. Many Internet users tend to use web browsers that provide the highest privacy protection and anonymization such as Tor. The success of such privacy protection depends on the Tor feature to anonymize end-user IP addresses and other metadata that constructs the website fingerprint. In this paper, we show that using the newest machine learning algorithms an attacker can deanonymize Tor traffic by applying such techniques. In our experimental framework, we establish a baseline and comparative reference point using a publicly available dataset from Universidad Del Cauca, Colombia. We capture network packets across 11 days, while users navigate specific web pages, recording data in .pcapng format through the Wireshark network capture tool. Excluding extraneous packets, we employ various machine learning algorithms in our analysis. The results show that the Gradient Boosting Machine algorithm delivers the best outcomes in binary classification, achieving an accuracy of 0.8363. In the realm of multi-class classification, the Random Forest algorithm attains an accuracy of 0.6297.

چکیده به فارسی (ترجمه ماشینی)

به موازات فعالیت های بدنی ما ، حضور مجازی ما همچنین اثر انگشت های دیجیتالی منحصر به فرد ما را در حالی که در اینترنت حرکت می کند ، پشت سر می گذارد.این اثر انگشت های دیجیتالی پتانسیل رونمایی از فعالیت های کاربران را شامل می شود که شامل تاریخچه مرور ، برنامه های کاربردی و حتی دستگاه های به کار رفته در طول این درگیری ها باشد.بسیاری از کاربران اینترنت تمایل به استفاده از مرورگرهای وب دارند که بالاترین محافظت از حریم خصوصی و ناشناس سازی مانند TOR را ارائه می دهند.موفقیت چنین محافظت از حریم خصوصی به ویژگی TOR بستگی دارد تا آدرس های IP کاربر نهایی و سایر ابرداده ها را که اثر انگشت وب سایت را ایجاد می کند ، ناشناس کند.در این مقاله ، ما نشان می دهیم که با استفاده از جدیدترین الگوریتم های یادگیری ماشین ، یک مهاجم می تواند با استفاده از چنین تکنیک هایی ، ترافیک TOR را متمایز کند.در چارچوب آزمایشی ما ، ما با استفاده از یک مجموعه داده عمومی در دسترس از Universidad del Cuaca ، کلمبیا ، یک نقطه مرجع پایه و مقایسه ای ایجاد می کنیم.ما بسته های شبکه را طی 11 روز ضبط می کنیم ، در حالی که کاربران صفحات وب خاص را حرکت می دهند و داده ها را در قالب .pcapng از طریق ابزار ضبط شبکه Wireshark ضبط می کنند.به استثنای بسته های بیرونی ، ما از الگوریتم های مختلف یادگیری ماشین در تجزیه و تحلیل خود استفاده می کنیم.نتایج نشان می دهد که الگوریتم دستگاه تقویت شیب بهترین نتایج را در طبقه بندی باینری ارائه می دهد و به دقت 0.8363 می رسد.در قلمرو طبقه بندی چند کلاس ، الگوریتم جنگلی تصادفی به دقت 0.6297 می رسد.

📚 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.