کنترل دسترسی کاربر با شبکه عصبی و سیستم آشوب

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 449

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCC10_002

تاریخ نمایه سازی: 5 آبان 1397

چکیده مقاله:

کنترل دسترسی یکی از مسایل مهم در حوزه ی امنیت سیستم ها است. روش کنترل دسترسی کاربران مبتنی بر جدولتصدیق با وجود بکاریری مکانیزم های رایج رمزنگاری اطلاعات، از لحاظ نحوه ذخیره سازی داده ها در بانک های اطلاعاتی، همچنانامکان دسترسی و نفوذ نفوذگران به سیستم و رمزگشایی اطلاعات در آن وجود دارد. در تحقیقاتی جهت رفع چالش های موجود درروش جدول تصدیق از شبکه های عصبی چندلایه با مکانیزم ذخیره سازی اطلاعات بصورت وزن های شبکه عصبی پیشنهاد شدهاست. این روشهای با زمان طولانی در آموزش شبکه عصبی و دقت پایین چندان از عملکرد بالایی برخوردار نیستند. شبکه هایعصبی هاپفیلد با بهره گیری از حافظه انجمنی از عملکرد مطلوبی در زمینه شناسایی الگو و تصحیح خطا برخوردار می باشند. در اینمقاله روشی موثر براساس شبکه عصبی هاپفیلد و رمزنگاری مبتنی بر سیستم آشوب لجستیک جهت طراحی سیستم تصدیقکاربران ارایه شده است. نتایج حاصل از آزمایش های روش پیشنهادی و مقایسه عمکرد آن نسبت به شبکه های عصبی چندلایهنشان میدهد که روش پیشنهادی از مدت زمان بسیار مناسب و کم در فرآیند آموزش شبکه و ثبت نام کاربران و همچنین دقت بالا درشناسایی کاربران مجاز و غیرمجاز سیستم برخوردار است.

نویسندگان

ایمان دهقان ابراهیمی

کارشناسی ارشد هوش مصنوعی، گروه هوش مصنوعی ، دانشگاه آزاد اسلامی واحد مشهد، مشهد

محمدجعفر دهقان

کارشناسی ارشد هوش مصنوعی، گروه هوش مصنوعی ، دانشگاه آزاد اسلامی واحد مشهد، مشهد

مهدی یعقوبی

عضو هییت علمی گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد، مشهد

سیدجواد سیدمهدوی

هییت علمی گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد، مشهد