یکی از تهدیدات پیش روی توسعه فناوری اطلاعات در فضای مجازی، سرقت اطلاعات شخصی و مالی کاربران میباشد که این تهدید امنیتی، فیشینگ نامیده میشود. بررسی و تحلیل روشهای موجود نشان میدهد که ایجاد انعطافپذیری در انتخاب ویژگیهای اثرگذار در فرایند شناسایی وب سایتهای فیشینگ، چکیده کامل
یکی از تهدیدات پیش روی توسعه فناوری اطلاعات در فضای مجازی، سرقت اطلاعات شخصی و مالی کاربران میباشد که این تهدید امنیتی، فیشینگ نامیده میشود. بررسی و تحلیل روشهای موجود نشان میدهد که ایجاد انعطافپذیری در انتخاب ویژگیهای اثرگذار در فرایند شناسایی وب سایتهای فیشینگ، پویاسازی رفتار الگوریتم طبقهبندی کننده وب سایتهای هدف و نیز امکان تحلیل و کنترل حجم گستردهای از وب سایتها مورد توجه قرار نگرفته است. لذا در این مقاله به منظور تحقق همزمان سه هدف یادشده، ابتدا مکانیزمی بر اساس طراحی یک آستانه تغییر برای کاهش انعطافپذیر ویژگیهای مورد ارزیابی در شناسایی وب سایتهای فیشینگ تعریف شده است. سپس با حافظهمند نمودن الگوریتم بهینهسازی صفحات شیبدار، کاهش نرم اثر حافظه بر عملکرد الگوریتم در تکرارهای بالا و نیز تعریف 12 قانون فازی در یک سیستم استنتاج فازی اقدام به پویاسازی هوشمند این الگوریتم به منظور طبقهبندی وب سایتهای جامعه ارزیابی به سه طبقه قانونی، مشکوک و فیشینگ مینماید. نتیجه پیادهسازی رویکرد هوشمند جدید پیشنهادی بر روی داده محک استاندارد در این حوزه و نیز مقایسه عملکرد این الگوریتم با عملکرد بهترین الگوریتمهای موجود، نشان از تحقق اهداف سهگانه فوقالذکر برای این تحقیق را دارد.
پرونده مقاله
افزایش حجم پایگاه دادهها، مسئله کاهش ویژگی را ایجاد و پراهمیت میسازد. از این رو در علم دادهکاوی، یکی از زیربخشهای مهم، مسئله کاهش ابعاد (انتخاب ویژگی) میباشد که در آن زیرمجموعهای از ویژگیهایی که بیشترین تأثیر را بر روی الگوهای پنهان داده اصلی دارند انتخاب میشوند چکیده کامل
افزایش حجم پایگاه دادهها، مسئله کاهش ویژگی را ایجاد و پراهمیت میسازد. از این رو در علم دادهکاوی، یکی از زیربخشهای مهم، مسئله کاهش ابعاد (انتخاب ویژگی) میباشد که در آن زیرمجموعهای از ویژگیهایی که بیشترین تأثیر را بر روی الگوهای پنهان داده اصلی دارند انتخاب میشوند. در سالهای اخیر، تئوری مجموعه راف به عنوان یکی از ابزارهای موثر و کارآمد در کاهش ویژگی مورد توجه محققان قرار گرفته است. در این مقاله الگوریتم رقابت لیگ فوتبال برای اولین بار به منظور حل این مسئله مورد استفاده قرار گرفته شده است. توانایی فرار از بهینهای موضعی، امکان بهرهگیری از اطلاعات بازیکنان توزیعشده در فضای جستجو، همگرایی سریع به جوابهای بهین و پارامترهای کم این الگوریتم، انگیزه این انتخاب بود. علاوه بر این نوآوری، ارائه تغییراتی همچون بهرهگیری از مجموع توان بازیکنان ثابت و ذخیره در محاسبه توان هر تیم، در نظر گرفتن ترکیب ساختارهای پیوسته و گسسته برای هر بازیکن، ارائه یک مکانیزم ابتکاری گسستهسازی جدید، ارائه تحلیل هیدرولیک متناسب با مسئله تحقیق برای فرایند برازش هر بازیکن، ارائه اصلاح در عملگرهای تقلید و تهییج بر اساس چالشهای نسخه اصلی را میتوان به عنوان ایدههای پیشنهادی به منظور اصلاح و سازگاری این الگوریتم برای مسئله کاهش ویژگی برشمرد. ایدههای پیشنهادشده بر روی سه سطح داده در ابعاد کوچک، متوسط و بزرگ به همراه چهار الگوریتم فراابتکاری مشهور ژنتیک و بهینهسازی ازدحام ذارت، سیستم ایمنی مصنوعی و لیگ قهرمانان پیادهسازی گردیده و مقایسه نتایج به دست آمده نشان از مزیتهای رقابتی قابل توجه الگوریتم رقابت لیگ فوتبال با سایر الگوریتمها دارد.
پرونده مقاله
حوزه سلامت به علت وسعت عملکرد مالی و همچنین وسعت کاربرد آن، یکی از سیستمهای ایدهآل برای تقلب است و با وجود راهکارهای مختلف در این زمینه، شناسایی دادههای تقلب هنوز یکی از چالشها برای ارائهدهندگان خدمات سلامت میباشد. در این مقاله برای اولین بار الگوریتم BIRCH به عنو چکیده کامل
حوزه سلامت به علت وسعت عملکرد مالی و همچنین وسعت کاربرد آن، یکی از سیستمهای ایدهآل برای تقلب است و با وجود راهکارهای مختلف در این زمینه، شناسایی دادههای تقلب هنوز یکی از چالشها برای ارائهدهندگان خدمات سلامت میباشد. در این مقاله برای اولین بار الگوریتم BIRCH به عنوان یک الگوریتم خوشهبندی سلسلهمراتبی با الگوریتم بهینهسازی واکنش شیمیایی (CRO) ترکیب شده است. الگوریتم BIRCH با پیچیدگی زمانی خطی قابلیت کار با حجم بالای دادهها و شناسایی دادههای پرت را دارد و CRO یکی از الگوریتمهای فراابتکاری جدید الهامگرفته از واکنش شیمیایی در دنیای واقعی است که با یک جمعیت پویا از مولکولها توسط چهار عملگر برخورد به دیواره، تجزیه، برخورد بین مولکولی و ترکیب فضای جستجو را مورد کاوش قرار میدهند. الگوریتم خوشهبندی بهبودیافته BIRCH-CRO با حذف فرایند خوشهبندی سراسری داخلی نسخه کلاسیک BIRCH و تعیین بهینه پارامترهای اصلی آن باعث بهبود سرعت و دقت تشخیص دادههای تقلب در حوزه سلامت نسبت به سایر الگوریتمهای بدون نظارت ارائهشده در این حوزه گردیده است. همچنین الگوریتم پیشنهادی توانایی کار با دادههای آنلاین و حجم بالا را دارد و با توجه به نتایج به دست آمده، عملکرد مناسبی را فراهم میکند.
پرونده مقاله