چکیده پایان نامه ها

نام و نام خانوادگی: ناهید معینی
عنوان پایان نامه: ارائه سیستم تشخیص نفوذ به کمک شبکه عصبی عمیق جهت جلوگیری از نقض امنیت در اینترنت اشیا
رشته تحصیلی:مهندسی کامپیوتر گرایش شبکه‌های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر سعید نصری

چکیده:
اینترنت اشیا در حال تبدیل شدن به یک عنصرکلیدي از اینترنت آینده و یک زیرساخت حیاتی ملی و بین المللی می باشد. با این شرایط، تامین امنیت کافی براي زیرساخت‌هاي اینترنت اشیا، اهمیت روزافزونی پیدا می کند. امنیت در اینترنت اشیا را باید در تمامی سطوح کاملا بررسی کرد. امنیت باید به صورت ابتدا تا انتها در نظر گرفته شود: در دستگاه امنیت، امنیت در رمزگذاري داده ها، در مسیر انتقال شبکه، امنیت براي داده جمع آوري شده توسط سنسورها، امنیت در جمع آوري داده از طریق شبکه و امنیت داده‌هاي‌ ذخیره شده روي پایگاه و امنیت در سرویس مورد ارائه؛ در همین راستا هدف پژوهش حاضر ارائه سیستم تشخیص نفوذ به کمک شبکه عصبی عمیق جهت جلوگیری از نقض امنیت در اینترنت اشیا، می باشد. این پژوهش به کمک پایگاه داده‌های NSL-KDD، KDDCup99، UNSW-NB15 و CICIDS2017 با ایجاد شبکه عصبی عمیق با روش های یادگیری شبکه LSTM، biLSTM و GRU در تکرار‌های مختلف نشان داد یادگیری شبکه biLSTM به عنوان مناسب ترین شبکه عصبی عمیق جهت جلوگیری از نقض امنیت در اینترنت اشیا می باشد.
کلیدواژه: سیستم تشخیص نفوذ، شبکه عصبی عمیق، امنیت، اینترنت اشیا.

تاریخ دفاع: تابستان 1400

نام و نام خانوادگی: پویان پبدنی
عنوان پایان نامه: بهبود دقت تشخیص حمله DDOS با استفاده از تکنیک ترکیب SVM و OLSR
رشته تحصیلی:مهندسی کامپیوتر گرایش شبکه‌های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر حسین مرادی

چکیده:
امروزه امنیت یکی از موضوعات و بحث های مهم در هر سیستمی به حساب می آید به خصوص سیستم-هایی که به صورت مجازی کار می کنند. در صورتی که امنیت سیستم به خطر بیفتد آسیب های جبران-ناپذیری را به همراه دارد. مبحث رایانش ابری سطح وسیعی از سیستم ها را در دنیای مجازی در برمی-گیرد، بنابراین داشتن ایمنی مناسب موضوعی قابل توجه دراین زمینه می باشد. بدین منظور در این تحقیق سعی بر آن شده تا راهکاری برای امنیت رایانش ابری ارائه داده شود. طی بررسی های به عمل آمده الگوریتم آستانه تطبیق پذیر بهینه ای برای آن پیشنهاد داده شده است. ابتدا مفاهیم پایه ای در رایانش ابری و معماری کلی آن شرح داده شده، در بخش بعد انواع حملات DDoS تشریح شده است. در ادامه به تشریح حملاتی که در رایانش ابری صورت می گیرد پرداخته شده است و همچنین تاثیر OLSR در جلوگیری از حملات بیان شده و مدل تلفیقی الگوی SVM درDDoS و قسمت های مختلف آن به طور کامل شرح داده شده است. سپس به بررسی مزایا و معایب دو نوع الگوریتم پرداخته شده است و در نهایت الگوی بهینه مدل تشخیص نفوذ و جلوگیری از حمله پیشنهاد داده شده است. ازآنجایی که پيشگيری قطعی از رخداد حملات انكار سرویس توزیع شده ممكن نيست تشخيص این حملات می تواند گام مهمی در جلوگيری از اختلال در سرویس های ارائه شده باشد. در حملات انكار سرویس توزیع شده مهاجمان با ارسال بسته های مشابه بسته های نرمال، سعی در بالا بردن عملکرد روی قربانی دارند تا به وسيله آن، شبكه سرویس کاربر را دچار اختلال نمایند. در این پایان نامه روشی برای تشخيص حملات انكار سرویس توزیع شده با ترکیب الگوریتم های SVM و OLSR ارائه شده است و روش پيشنهادی بر روی نرم افزار MATLAB طراحی و پياده سازی شده است. همچنین الگوریتم های ارائه شده در این پایان نامه ازنظر زمانی و دقت عملكرد بهبود یافته و قابليت شناسایی حجم بالای عملکرد، بدون کاهش دقت را دارد.

کلیدواژه: DDoS – SVM – OLSR

تاریخ دفاع: پاییز 1400

نام و نام خانوادگی: فاطمه کریمی
عنوان پایان نامه: بهبود تشخیص حملات در شبکه با استفاده از شبکه‌های عصبی عمیق و ترکیب تکنیک‌های بیش نمونه‌گیری و کم نمونه‌گیری
رشته تحصیلی:مهندسی کامپیوتر گرایش شبکه‌های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر مهدی اکبری کوپایی

چکیده:
امروزه بدلیل افزایش میزان حملات و نفوذ به شبکه‌ها، وجود سیستم‌های تشخیص نفوذ، بیش از پیش ضروری به نظر می‌رسد. یک سیستم تشخیص نفوذ با نظارت بر ترافیک شبکه، فعالیت‌های مشکوک را شناخته و هشدار می‌دهد. اهمیت بالای این سیستم‌ها در تشخیص نفوذ باعث گردیده که در سال‌های اخیر مطالعات مختلفی در این زمینه ارائه شود. اغلب مطالعات ارائه شده در این زمینه برای ارائه یک سیستم تشخیص نفوذ از ترکیب روش‌های خوشه‌بندی و طبقه‌بندی استفاده می‌کنند. اما غالبا این روش‌ها دارای نقاط ضعف مشترکی هستند، تعیین تعداد خوشه مناسب، تعیین نقاط بهینه اولیه مراکز از جمله محدودیت‌هایی است که نتایج آن‌ها را تحت تاثیر قرار می‌دهد. از طرف دیگر مشکل عدم توازن در داده‌های حملات و وجود حملاتی با حداقل داده ممکن باعث می‌شود روش‌های یادگیری ماشین در مواجه با این نوع حملات با مشکل مواجه باشند و قادر به تشخیص آن‌ها نباشند. از اینرو در این تحقیق هدف ارائه یک سیستم تشخیص نفوذ در راستای رفع دو مشکل فوق است. در این روش از یادگیری عمیق و شبکه‌های عصبی عمیق بازگشتی LSTM برای تشخیص نفوذ استفاده می‌شود. از طرف دیگر برای رفع مشکل عدم توازن داده‌ها از ترکیب تکنیک‌های بیش‌ نمونه‌گیری و کم‌نمونه‌گیری استفاده می‌شود. در این روش برای 3 نوع از حملات نادر که دارای تعداد نمونه‌های کمی هستند، داده‌های مصنوعی با استفاده از الگوریتم SMOTE از داده‌های حقیقی حمله، تولید می‌شود و به تعداد افزوده شده به داده‌های کلاس‌های اقلیت، از تعداد داده‌های کلاس اکثریت به صورت تصادفی حملاتی حذف می‌شود. بررسی روش پیشنهادی بر روی سه پایگاه حملات NSL-KDD، UNSW-NB15_4 و CICIDS-2017 نشان می‌دهد که راهکار مطرح شده توانسته است به صحت بالای 97‌% در تشخیص حملات دست یابد که در مقایسه با روش پیشین بالغ بر 3‌% تشخیص نفوذ را بهبود داده است.

کلیدواژه: شبکه‌های عصبی عمیق بازگشتی، تشخیص نفوذ، بیش نمونه‌گیری، کم نمونه‌گیری.

تاریخ دفاع: تابستان 1400

نام و نام خانوادگی: فردوس توتونچی
عنوان پایان نامه: الگوریتم بهبود یافته مهاجرت سوئیچ مبتنی بر الگوریتم ژنتیک و OPSO در شبکه های نرم افزار محور توزیع شده
رشته تحصیلی:مهندسی کامپیوتر- شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر احمد یوسفی

چکیده:
برای حل مشکلات و محدودیت های شبکه های سنتی، ساختاری به نام شبکه های نرم افزار محور معرفی شده است. بنابراین با توجه به محدودیت عملکرد و ظرفیت پردازشی کنترل کننده ی واحد و به منظورکاهش نرخ انتقال بخش داده، استفاده بهتر از منابع نیاز به کنترل کننده های توزیع شده با هدف مقیاس پذیری و قابلیت اطمینان داریم. دست یابی به این هدف باعث رفع چالش هایی مانند دسترس پذیری، مقیاس پذیری، نقطه شکست، سربار، کاهش کیفیت سرویس، کاهش گذردهی، عدم استفاده بهینه از منابع و تاخیر انتقال داده، به خصوص در مراکز داده بزرگ، خواهد شد. استفاده ازکنترل کننده های چندگانه توزیع شده، یک روش در پاسخ به محدودیت های معماری شبکه های تک کنترل کننده با دستیابی به یک مقیاس بزرگ و سطح کنترل کننده قابل اعتماد است با این وجود با خود یکسری چالش های جدیدی اعم از تعادل بار در کنترل کننده های توزیع شده به همراه دارد. بار توزیع شده ی بالانس نشده روی کنترل کننده باعث افزایش تأخیر پاسخ برای جریان های پردازش شده و کاهش گذردهی کنترل کننده می شود. مهاجرت سوئیچ یک روش کارآمد برای حل این مشکل است. طرح های موجود اکثرا برای حل مشکل تک کنترل کننده؛ استقرار چند کنترل کننده توزیع شده را بیان کرده اند. در مشکل توازن بار مسائلی همچون ظرفیت کنترل کنندهی که قرار است به آن مهاجرت انجام شود، موقعیت و محل قرارگیری کنترل-کننده کمتر مورد توجه قرار گرفته است و فقط برای رهایی از گلوگاه ایجاد شده مهاجرت انجام شده است. مسأله ای که در اکثر مطالعات به چشم می خورد با در نظر گرفتن متریک های مختلف و با استفاده از الگوریتم های متفاوت از جمله فرااکتشافی مشکل توازن بار و عملکرد شبکه سنجیده شده است. ولی دارای معایبی از جمله: مهاجرت تصادفی، عدم وجود یک تعادل بین هزینه های مهاجرت و تعداد مهاجرت، در نظر نگرفتن بار کنترل کننده همسایه برای انجام مهاجرت هستند. در روش پیشنهادی با تعیین یک آستانه متغیرکه در هر لحظه با تغییرات و نوسانات شبکه مقدارش تغییر می کند بار کنترل کننده سریز شده را تشخیص داده و سپس با استفاده ازترکیب الگوریتم ژنتیک و OPSO سعی در انتخاب بهترین کنترل کننده با ظرفیت مناسب و مهاجرت سوئیچ ها به مکانی مناسب را داریم. به عبارتی با استفاده از الگوریتم ژنتیک جمعیت با بالاترین برازش را تولیدکرده، سپس در الگوریتم OPSO که شامل دو الگوریتم PSO تودرتو است با استفاده از سرعت هر ذره برای حرکت به سمت بهترین موقعیت سراسری و بهترین موقعیت محلی، بهترین راه حل از بین ذرات وارد شده درPSO اول محاسبه می گردد. به موازات اجرای الگوریتم PSO اول، الگوریتم PSO دوم که برای بهبود پارامترهای PSO اول در نظر گرفته شده است با محاسبه بهترین اوزان به ازای هر ذره در الگوریتم PSO دوم، بهترین و بهینه ترین راه حل را بین ذرات برای مهاجرت سوئیچ ها به کنترل کننده مناسب را پیدا می کند. نتایج روش پیشنهادی که در محیط شبیه ساز benchC و کنترل کننده Floodlight پیاده سازی شده است بهبود 24.72 درصدی در گذردهی و بهبود 13.96 درصدی در تعداد مهاجرت را نشان می دهند.

کلیدواژه: شبکه های نرم افزار محور، مهاجرت سوئیچ، الگوریتم ژنتیک، الگوریتم بهینه سازی ازدحام ذرات بهینه شده، توازن بار، گذردهی

تاریخ دفاع: 1400

نام و نام خانوادگی: هاجر پناهنده
عنوان پایان نامه: ارائه يک روش تعیین سرخوشه كارآمد جهت توازن مصرف انرژی در شبکه های حسگر بی سیم مجهز به گره چاهک متحرک
رشته تحصیلی:مهندسی کامپیوتر- شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: دکتر مهدی اکبری

چکیده:
شبکه های حسگر بی سیم از تعداد زیادی گره حسگر که به صورت گسترده در نواحی دور از دسترس پراکنده می شوند، تشکیل شده است. محدودیت انرژی و تأخیر اساسی ترین چالش های پیش رو در این شبکه-ها هستند. همچنین، مسأله حفره انرژی منجر به کاهش غیریکنواخت انرژی در این شبکه ها می شود که این مسأله نیز، تأثیر بسیاری در عملکرد شبکه می گذارد. از جمله ایده های مطرح جهت حل این چالش ها، بهره-گیری از الگوریتم های خوشه بندی و گره چاهک سیار در شبکه است. هدف این پایان نامه، کاهش انرژی مصرفی و به حداقل رساندن تأخیر در شبکه می باشد. در این راستا، با بهره گیری از الگوریتم های فراابتکاری ذرات و فروشنده دوره گرد طرحی پیشنهاد می گردد که به شکل توأم به تعیین گره های سرخوشه و طراحی مسیر حرکت گره چاهک می پردازد. در الگوریتم پیشنهادی ابتدا، به خوشه بندی و تعیین نقش سرخوشه در هر خوشه می پردازیم. بدین منظور از دو عامل اساسی انرژی باقی مانده و تعداد همسایه های هر گره جهت انتخاب نقش سرخوشه بهره می بریم. سپس، یک گره چاهک سیار در شبکه حرکت کرده و داده های گره های سرخوشه را تجمیع می نماید. نتایج شبیه سازی حاکی از برتری ساختار پیشنهادی در مقایسه با الگوریتم LEACH، از نظر مصرف انرژی و تأخیر در ارسال داده ها می باشد.
در حالت کمترین تعداد خوشه، الگوریتم پیشنهادی 5/62% بهتر از الگوریتم LEACH می باشد.

کلیدواژه:شبکه های حسگر بی سیم، سرخوشه، خوشه بندی، گره چاهک متحرک، الگوریتم بهینه سازی ذرات، روش فروشنده دوره گرد

تاریخ دفاع: تابستان 1400

نام و نام خانوادگی:سید ابراهیم احمدی فروشانی
عنوان پایان نامه: بهبود تعاملات دادههای بلادرنگ در شبکههای اینترنت اشیا
رشته تحصیلی:مهندسی کامپیوتر- شبکه های کامپیوتری
مقطع تحصیلی: کارشناسی ارشد ناپیوسته
استاد راهنما: جناب آقای دکتر احمد یوسفی

چکیده:
در چندین سال اخیر با رشد و پیشرفت بینظیر شبکه ها و تجهیرات هوشمند، تحقیقات فراوانی در راستای ارتقاء کیفیت و بهبود زندگی بشر متمرکز شده اند. یکی از جوانب حائر اهمیت این عرصه ، دسترسی سریع به اشیاء مختلف، و برنامه ریزی و مدیریت آنها از راه دور میباشد. اینترنت اشیاء زیرمجموعه جدیدی از شبکه های بی سیم بوده که برای بهبود این حوزه معرفی گردیده است. این شبکه ها از تعداد زیادی گره حسگر و یک یا چند گره تحت عنوان ریشه تشکیل شده که این گره ها قادرند وابسته به اهداف شبکه عمل خاصی را انجام دهند. پژوهش پیشنهادی بر تأمین و تضمین کیفیت سرویسدهی  QoS  این شبکه جدید متمرکز شده است . مبحث کیفیت در اینترنت اشیاء از دو دیدگاه قابل نقد و بررسی است. دیدگاه نخست در ارتباط با کاربردها مطرح است. اکثر کاربردهای اینترنت اشیاء، کاربردهای حساس و حائز اهمیتی بوده که مهمترین نیاز آنها تأمین و تضمین QoS اطلاعات ارسالی میباشد. دیدگاه دوم در ارتباط با ماهیت و شرایط شبکه مطرح است. اینترنت اشیاء از نظر خصوصیات و ویژگیها، شبکه هایی محدود و بسیار پرمخاطره هستند. وجود این محدودیتها باعث شده تا QoS خدشه دار شده و شبکه در تأمین نیازهای کیفی داده های ارسالی ناتوان باشد. ازاینرو تاکنون تحقیقات گستردهای در راستای بهبود این حیطه طراحی و معرفی شده اند. اگرچه هر یک از این پژوهشها به نوبه خود در بهبود مسیریابی و افزایش کیفیت سرویسدهی موفق بودهاند، ولی مطالعات انجام شده حاکی از آن است که همچنان برخی چالشها در ارتباط با این حوزه به قوت خود باقی است. از مهمترین این چالشها میتوان به نبود قابلیتی برای تضمین کیفیت دادههای ارسالی به ویژه داده های بلادرنگ، تأثیرات ناشی از عملکرد ایستایی رو شهای گذشته و سربارهای کنترلی اشاره نمود. برای بهبود این مسائل، د ر پژوهش پیشنهادی روشی تحت عنوان RRPQG-IoT مبتنی بر توسعه مسیریابی با رویکرد به تحلیل نیازهای کیفی دادههای ارسالی معرفی شده است. RRPQG-IoT یک روش سه گامی بوده به طوریکه در گام نخست بر اساس تحلیل نیازها و ضرورتها، فوریت دادههای ارسالی مشخص شده، در مرحله دوم کاندیدها ارزیابی و شرایط آ نها برای مشارکت در مسیریابیها مشخص شده و در مرحله سوم گره گام بعد انتخاب و مخابره داده ها انجام میشود. RRPQG-IoT بر پایه قابلیتهای حاصل از مراحل پیشنهادی خود به خوبی چالشهای تحقیقات گذشته را بهبود داده، کیفیت سرویس دهی را تضمین نموده و در ارتقاء کارایی اینترنت اشیا موفق بوده است. نتایج شبیه سازی با استفاده از cooja حاکی از برتری RRPQG-IoT پیشنهادی در مقایسه با تحقیقات مشابه است. این بهبود در مقایسه با رو شهای EEGR و LOADng به ترتیب برای دریافتهای موفق معادل 5.4 % و 12 %، برای تأخیر انتها به انتها معادل 8.9 % و 7.4 %، برای مصرف انرژی معادل 9.2 % و 6.4 %، و برای گذردهی شبکه معادل 5.9 % و 10.1 % بوده است.

کلیدواژه:سنتز سبز، نانوذرات اکسید مس، آنتی باکتریال، حذف رنگ

تاریخ دفاع: تابستان 1400