Uzun kısa süreli bellek (LSTM) kullanarak bulut ortamında anomali tespiti için yeni bir akıllı sistem
[ X ]
Tarih
2020
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Altınbaş Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, LSTM ve PSO ile birleştirilen PCA tabanlı bulut bilişimde Saldırı kötü amaçlı yazılım Tespit Sistemi. Veriler ilk olarak aktif özellikleri seçen ve orijinal kötü amaçlı yazılım verilerinin boyutunu küçülten PCA kullanılarak analiz edildi. Ayrıca, PCA'nın çıkışı LSTM'ye bağlanmıştır. LSTM, ses işleme, güvenlik ve görüntü tanıma gibi çeşitli alanlarda uygulanan etkili derin öğrenme tekniklerinden biridir. PSO, yüksek doğruluk sağlamak için LSTM'nin parametrelerini optimize etmek için uygulandı. Yöntem sonuçlarımızın kanıtlanması için kullanılan çeşitli değerlendirme teknikleri. Elde edilen sonuçlar, kötü amaçlı yazılım Tespit alanında sunulan tanınmış araştırmalarla karşılaştırılmıştır.
In this study, malware Detection System in cloud computing based on PCA which combined with LSTM and PSO. The data first analysed by using PCA which selected active features and reduce the size of the original malware data. Furthermore, the output of the PCA wired to the LSTM. The LSTM is one of the effective deep learning techniques applied in several fields such as audio processing, security, and image recognition. The PSO applied to optimize the parameters of LSTM to presented high accuracy. Several evaluation techniques used to prove our method results. The obtained results compared with well-known researches presented in malware detection field.
In this study, malware Detection System in cloud computing based on PCA which combined with LSTM and PSO. The data first analysed by using PCA which selected active features and reduce the size of the original malware data. Furthermore, the output of the PCA wired to the LSTM. The LSTM is one of the effective deep learning techniques applied in several fields such as audio processing, security, and image recognition. The PSO applied to optimize the parameters of LSTM to presented high accuracy. Several evaluation techniques used to prove our method results. The obtained results compared with well-known researches presented in malware detection field.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering, Derin öğrenme, CNN, KNN, SVM, PSO., Deep learning, LSTM, PCA, PSO, Cloud computing.