شماره کتابشناسی ملی
شماره
T27168
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
Proposing a method based on Machine Learning to detect anomalies in Wireless Sensor networks
نام عام مواد
Dissertation
نام نخستين پديدآور
Payam Jamal Malak Ali
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
Mathematics, Statistics and Computer Science
تاریخ نشرو بخش و غیره
1401
مشخصات ظاهری
نام خاص و کميت اثر
55p.
ساير جزييات
cd
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
نظم درجات
Computer Science - Theory of Systems
زمان اعطا مدرک
1401/06/09
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
Each wireless sensor network (WSN) consists of a large number of sensor nodes which are distributed in an environment and can measure environmental features such as light, temperature, and humidity. Wireless sensor nodes have limitations in processing power, energy and bandwidth. These limitations expose sensor networks to risk. It is also important to detect anomalies in wireless sensors as they are very important and affect the accuracy of data in wireless sensor networks. The main challenge to detect the abnormality is the large volume of data. Therefore, any security method used for anomaly detection in a network must have high accuracy and save on memory (storage). In this thesis, we studied anomaly detection in a wireless sensor network with different machine learning methods. The results show that the K-means algorithm outperforms other methods. It should be noted that the dataset used to evaluate distributed models were collected at the University of Calabria, Italy
متن يادداشت
هر شبکە حسگر بی‌سیم (WSN) از تعداد زیادی گرە حسگر تشکیل می‌شود کە در یک محیط پراکندە شدە و داده های مختلفی را از جنبەهای محیطی مانند نور، دما و رطوبت نشان می دهند. گرەهای حسگر بی‌سیم در توان پردازشی، انرژی و پهنای باند دارای محدودیت هایی هستند. این محدودیت ها، شبکەهای حسگر را در برابر حملات مختلفی در معرض خطر قرار می‌دهند. همچنین تشخیص ناهنجاری در شبکەهای حسگر بی‌سیم از اهمیت زیادی برخوردار است، زیرا ناهنجاری بسیار مهم بوده و بر روی صحت دیتا در شبکە های حسگر بی‌سیم تاثیر می گذارد. چالش اساسی برای تشخیص ناهنجاری هم، حجم زیاد داده است. بنابراین، هر روش امنیتی برای تشخیص ناهنجاری دریک شبکە باید از دقت بالایی برخوردار بودە و در مصرف حافظە صرفه جویی کند.در این پایان نامە، تشخیص ناهنجاری در یک شبکەی حسگر بی‌سیم با استفادە از روش های مختلف یادگیری ماشین ارائە می‌شود. اما درنهایت نتیجه این چنین حاصل شد کە الگوریتم K-means بهترین تشخیص را نسبت به روش های دیگر داده است. لازم به ذکر است که مجموعە داده های مورد استفادە برای ارزیابی مدل توزیع شدە، در دانشگاه کالابریا ی ایتالیا جمع‌آوری شدە است.
عنوانهای گونه گون دیگر
عنوان گونه گون
ارائه یک روش مبتنی بر یادگیری ماشین جهت تشخیص ناهنجاری ها در شبکه های حسگر بی سیم
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Machine Learning, Wireless Sensor Network, Anomalies, Anomaly Detection
اصطلاح موضوعی
یادگیری ماشین، تشخیص ناهنجاری، شبکه های حسگر بی سیم، ناهنجاری ها.
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
عنصر شناسه اي
Jamal Malak Ali,
ساير عناصر نام
Payam
کد نقش
Producer
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
Karimpour,
عنصر شناسه اي
Razmara,
ساير عناصر نام
Jaber
ساير عناصر نام
Jafar
کد نقش
Thesis advisor
کد نقش
Consulting advisor
شناسه افزوده (تنالگان)
عنصر شناسه اي
Tabriz
مبدا اصلی
کشور
ایران
سازمان
Central Library of Tabriz
تاريخ عمليات
20221012
شماره دستیابی
شماره بازیابی
ارشد پایاننامه QA76.J3 1401
دسترسی و محل الکترونیکی
نام الکترونيکي
Payam Jamal Malak Ali
ارتباط براي تسهيلات دسترسي
عبادی
وضعیت انتشار
فرمت انتشار
e
اطلاعات رکورد کتابشناسی
نوع ماده
TL
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
