کشف ناهنجاری با استفاده از کد کننده خودکار مبتنی بر بلوک‌های LSTM

Authors

  • علی اکبر پویان دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی شاهرود - شاهرود - ایران
  • محمود معلم دانشکده مهندسی کامپیوتر و فن آوری اطلاعات - دانشگاه صنعتی شاهرود - شاهرود
Abstract:

کشف ناهنجاری به معنای یافتن نمونه‌هایی است که با اکثریت هنجار و عادی داده‌ها تفاوت دارند. یکی از اساسی‌ترین چالش‌هایی که در سر راه انجام این کار مهم وجود دارد این است که نمونه‌های برچسب خورده، به‌ویژه برای کلاس ناهنجار کمیاب و گاه نایاب هستند. ما در این مقاله روشی را پیشنهاد می‌کنیم که برای کشف ناهنجاری تنها از داده‌های هنجار استفاده می‌کند. این روش بر مبنای شبکه‌های عصبی تأسیس‌شده که کد کننده خودکار نام دارند و در مطالعات یادگیری عمیق موردتوجه هستند. یک کد کننده خودکار ورودی خود را در خروجی بازتولید کرده و خطای بازسازی را به‌عنوان رتبه ناهنجاری مورداستفاده قرار می‌دهد. ما برای ساخت کد کننده، به‌جای نورون‌های معمولی از بلوک‌های LSTM استفاده کرده‌ایم. این بلوک‌ها درواقع نوعی از شبکه‌های عصبی بازگشتی هستند که در کشف و استخراج وابستگی‌های زمانی و مجاورتی مهارت دارند. نتیجه به‌کارگیری کد کننده خودکار مبتنی بر بلوک‌های LSTM برای کشف ناهنجاری نقطه‌ای در ده نمونه از دادگان‌های رایج نشان می‌دهد که این روش در استخراج مدل درونی داده‌های هنجار و تشخیص داده‌های ناساز موفق بوده است. معیار AUC مدل مذکور، تقریباً در تمامی موارد از AUC یک کد کننده خودکار معمولی و روش مشهور ماشین بردار پشتیبان تک کلاسه یا OC-SVM بهتر است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کشف تقلب در تراکنش‏های کارت‏های بانکی با استفاده از پردازش موازی ناهنجاری در بزرگ‌داده

با رشد روز‌افزون استفاده از کارت‏های الکترونیکی، به‎خصوص در صنعت بانکی، حجم تراکنش‏ با این کارت‏ها نیز به‌سرعت افزایش پیدا کرده است. به‌علاوه، ذات مالی این کارت‏ها سبب ایجاد مطلوبیت تقلب در این حوزه شده است. تحقیق حاضر با رویکرد پردازش موازی و راه‏حل نگاشت ‏کاهش، از شبکۀ عصبی مدل کوهونن برای کشف ناهنجاری در تراکنش‏ کارت‏های بانکی استفاده کرده است. برای این منظور، در مرحلۀ نخست راه‏حلی برای طبقه...

full text

تشخیص شبکه بات مبتنی بر الگوی رفتاری و کشف ناهنجاری

در این مستند سعی شده است تا روشی برای کشف حملات بات نت به کمک بررسی الگوی رفتاری شبکه و تشخیص ناهنجاری ارائه شود. فرایند تشخیص از مراحل تشکیل مدل شبکه ای، خوشه بندی اتصالات و خوشه بندی بر اساس مدل دوکی و بررسی گزارش تحلیل گر جانبی تشکیل شده است. این روش ترافیک شبکه را در قالبی با عنوان مدل شبکه ای، مدل سازی می کند. در مدل شبکه ای، یال های گراف به صورت برداری تعریف شده اند که مشخصات اتصال های بی...

ارائه یک روش خودکار کشف تغییرات مبتنی بر کرنل در مناطق شهری با استفاده از تصاویر چندطیفی ماهواره‌ لندست، مطالعه موردی: شهر کرج

در چند دهه‏ی گذشته جمعیت شهر نشین و در نتیجه توسعه مکانی مناطق شهری شتابی فزاینده داشته‏است. این مهم به بروز تغییرات محیطی در این مناطق منجر شده است. از این رو، کشف تغییرات در بازه­های زمانی مختلف در مناطق شهری از اهمیت بالایی برخوردار است. روش­های کشف تغییرات متداول با استفاده از تصاویر سنجش از دوری، بیشتر مبتنی بر تشخیص تغییرات طیفی و محاسبه فاصله طیفی بین پیکسل­ها بوده و ماهیت تغییرات بصورت ...

full text

ارائه یک روش مبتنی بر ناهنجاری جهت کشف حملات ddos

حملات ddos یکی از مهم ترین تهدیدات برای در دسترس بودن سرویس های اینترنت برای کاربران می باشد. در این نوع از حملات، مهاجم با استفاده از میلیون ها عامل تعداد بسیار زیادی بسته ایجاد کرده و به سیستم قربانی ارسال می کندو به این ترتیب تمام منابع محاسباتی و ارتباطی سیستم قربانی را در مدت زمان بسیار کوتاهی مصرف می کند. با این کار سیستم قربانی قادر به پاسخگویی به کاربران قانونی خود نخواهد بود. روش هایی ...

15 صفحه اول

بهینه‌سازی خودکار کارایی نرم‌افزار مبتنی بر مدل با استفاده از MOPSO

مهندسی کارایی نرم‌افزار در فازهای اولیه تولید نرم‌افزار (مدل سازی)، کارایی و صرفه‌جویی در هزینه‌ها را به‌همراه دارد که هنوز به‌طور کامل خودکار نشده است. این مقاله یک روش بهینه‌سازی مبتنی بر الگوریتم چندهدفه پرندگان را برای جستجوی خودکار فضای طراحی ارائه می‌کند تا مقادیر بهینه تنظیمات سیستم را برای دستیابی به کارایی بیشتر، در اختیار قرار دهد. بدین منظور، مدل نرم‌افزار به مدل کارایی که مبتنی بر ش...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 17  issue 56

pages  15- 15

publication date 2019-04-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023