این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۲۰، شماره ۱، صفحات ۱۵۹-۱۷۰
عنوان فارسی یک سیستم تشخیص ناهنجاری برای شبکه‌های حسگر بی‌سیم بدن
چکیده فارسی مقاله شبکه‌های‌ حسگر بی‌سیم به دلیل کاربردهای متنوعی که دارند همواره مورد توجه قرارگرفته‌اند. در تقسیم‌بندی شبکه‌های حسگر بی‌سیم، شبکه‌های حسگر بی‌سیم بدن به دلیل کاربردهای حساس پزشکی از اهمیت ویژه‌ای برخوردارند. هرگونه حمله به شبکه‌های حسگر بی‌سیم بدن می‌تواند خسارت‌های جانی جبران‌ناپذیری برای بیمار به همراه داشته باشد. یکی از روش‌های تأمین امنیت استفاده از سیستم‌های تشخیص نفوذ به‌عنوان یک دفاع خط دوم می‌باشد. در این مقاله یک سیستم تشخیص نفوذ مبتنی بر ناهنجاری با استفاده از روش‌های ترکیبی ارائه‌شده است. در سیستم تشخیص نفوذ پیشنهادی ابتدا با استفاده از الگوریتم ژنتیک ویژگی‌هایی از داده‌های جمع‌آوری‌شده انتخاب می‌شوند که موجب به دست آمدن بالاترین نرخ تشخیص شوند. سپس با استفاده از روش‌های ماشین بردار پشتیبان و k نزدیک‌ترین همسایه طبقه‌بندی داده‌ها به‌منظور کشف ترافیک ناهنجار از ترافیک داده‌های نرمال انجام می‌شود. نتایج شبیه‌سازی برای حمله جلوگیری از سرویس نشان می‌دهد که استفاده از سیستم پیشنهادی با استفاده از روش طبقه‌بندی k نزدیک‌ترین همسایه می‌تواند بازده ای معادل 90% داشته باشد.
کلیدواژه‌های فارسی مقاله شبکه حسگر بی‌سیم بدن، تشخیص ناهنجاری، حمله جلوگیری از سرویس، الگوریتم ژنتیک چندهدفه.
عنوان انگلیسی An Intrusion Detection System for Wireless Body Area Networks
چکیده انگلیسی مقاله Wireless Body Area Network (WBAN) is a pioneer trend in healthcare technology. Since any cyber-attack on a WBAN could jeopardize the patient's health, securing the WBAN plays a crucial role in healthcare applications. An intrusion detection system (IDS), as a second-line defense, is one of the security methods in computer networks. In this paper, a new IDS has been presented which is able to detect denial of service (DoS) attacks in a WBAN. In the proposed IDS, a genetic algorithm is used to select features of collected data, in a way that increases the performance of the IDS and as a result the WBAN. Then, using support vector machine and k nearest neighbor techniques, the data classification is performed to detect DoS traffic from regular data traffic. Simulation results indicate that the proposed IDS has effective performance with a 90% detection rate.
کلیدواژه‌های انگلیسی مقاله Anomaly detection, cyber security, DoS attack, Genetic algorithm, WBAN.
نویسندگان مقاله پیام محمودی نصر | Payam Mahmoudi-Nasr
University of Mazandaran
دانشگاه مازندران

علیرضا رحمانی | Alireza Rahmani
Mazandaran Institute Of Technology
موسسه صنعتی مازندران

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-854-5&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات