شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ درشبکه…

• عنوان لاتین مقاله: Improved competitive learning neural networks for network intrusion and fraud detection
• عنوان فارسی مقاله: شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری
• دسته: کامپیوتر و فناوری اطلاعات
• تعداد صفحات فایل ترجمه شده: 32
• لینک دریافت رایگان نسخه انگلیسی مقاله: دانلود
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه اموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه اموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN) برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استانداردSCLN)) را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد. در SICLN (شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد.

برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.

کلمات کلیدی: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی

مقدمه تشخیص کلاهبرداری و تشخیص نفوذ در شبکه در کسب و کار تجارت الکترونیک بسیار مهم می باشد. بر طبق به گزارش های تجارت الکترونیک فروش اداره سرشماری ایالات متحده، تجارت الکترونیک در امریکای شمالی دارای رشد 20% یا بیشتر در هر سال می باشد. به هر حال کلاهبرداری در شرکت های تجارت الکترونیک ایالات متحده و کانادا منجر به هزینه تلفات زیادی شده است. با توجه به رشد اخیر در تجارت الکترونیک، کلاه برداری در زمینه کارت های اعتباری بسیار رایج شده است. بر مبنای نتایج بررسی در سال 2009، به طور متوسط، 1.6% از سفارشات بر مبنای کلاه برداری بوده، که حدود 3.3 میلیارد دلار می باشد. علاوه بر ضررهای مستقیمی که از طریق فروش های کلاهبرداری انجام شده است، اعتماد قربانیان کلاهبرداری در زمینه کارت های اعتباری و شرکت خرده فروش کمتر شده، که در نتیجه ضرر ها نیز افزایش یافته است. هدف شرکت ها و صادر کنندگان کارت های اعتباری این است تا هر چه زودتر به افشا یا جلوگیری از کلاه برداری بپردازند. از طرف دیگر نفوذ به شبکه، از پشت به شرکت های تجارت الکترونیک ضربه می زند. زمان وقفه سرورهای وب یا نفوذ به اطلاعات یا کسب و کار مشتری منجر به ضررهای زیادی می گردد.

• فرمت: zip
• حجم: 2.28 مگابایت
• شماره ثبت: 411

شبکه عصبی آموزشی رقابتی پیشرفته: تشخصی نفوذ به شبکه و شناسایی تقلب…

چکیده

در این پژوهش، دو الگوریتم خوشه بندی جدید را معرفی می کنیم. شبکه آموزشی رقابتی پیشرفته (ICLN) و شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) که در زمینه تشخیص کلاهبرداری و تشخیص نفوذ شبکه در می باشند. شبکه آموزشی رقابتی پیشرفته (ICLN) به عنوان الگوریتم خوشه بندی غیرنظارتی می باشد، که قوانین جدیدی را برای شبکه های عصبی آموزشی رقابتی استاندارد (SCLN) اعمال می کند. نورون های شبکه در شبکه آموزشی رقابتی پیشرفته (ICLN) برای ارائه مرکز داده توسط قوانین بروز شده تنبیه و پاداش جدید آموزش دیده اند. این قوانین بروز شده، بی ثباتی شبکه های عصبی آموزشی رقابتی استاندارد را از بین می برند. شبکه آموزشی رقابتی یشرفته نظارتی (SICLN) به عنوان نسخه بازبینی شده شبکه اموزشی رقابتی پیشرفته (ICLN) می باشد. در SICLN (شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) ، قوانین بروزرسانی شده نظارتی از دسته بندی داده برای هدایت مراحل آموزش برای دسترسی به نتایج خوشه بندی بهتر استفاده می کند. شبکه آموزشی رقابتی پیشرفته نظارت شده می تواند برای داده های دسته بندی شده و دسته بندی نشده اعمال شده و در سطح بالایی در برابر اتیکت های مفقودی و تاخیری مقاوم می باشد. علاوه بر این، شبکه آموزشی رقابتی پیشرفته نظارتی (SICLN) دارای قابلیت بازسازی بوده، بنابراین کاملا مستقل از تعداد اولیه خوشه ها می باشد. برای ارزیابی الگوریتم های مورد نظر، به مقایسه عملی در مورد داده های تحقیق و داده های حقیقی در تشخیص کلاهبرداری و تشخیص نفوذ شبکه پرداختیم. نتایج اثبات می کند که هر دو مورد ICLN و SICLN به بایگانی عملکرد بالا می پردازند، و SICLN در الگوریتم های خوشه بندی غیرنظارتی سنتی عملکرد بهتری دارد.

کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی

مقدمه

تشخیص کلاهبرداری و تشخیص نفوذ در شبکه در کسب و کار تجارت الکترونیک بسیار مهم می باشد. بر طبق به گزارش های تجارت الکترونیک فروش اداره سرشماری ایالات متحده، تجارت الکترونیک در امریکای شمالی دارای رشد 20% یا بیشتر در هر سال می باشد. به هر حال کلاهبرداری در شرکت های تجارت الکترونیک ایالات متحده و کانادا منجر به هزینه تلفات زیادی شده است. با توجه به رشد اخیر در تجارت الکترونیک، کلاه برداری در زمینه کارت های اعتباری بسیار رایج شده است. بر مبنای نتایج بررسی در سال 2009، به طور متوسط، 1.6% از سفارشات بر مبنای کلاه برداری بوده، که حدود 3. 3 میلیارد دلار می باشد. علاوه بر ضررهای مستقیمی که از طریق فروش های کلاهبرداری انجام شده است، اعتماد قربانیان کلاهبرداری در زمینه کارت های اعتباری و شرکت خرده فروش کمتر شده، که در نتیجه ضرر ها نیز افزایش یافته است. هدف شرکت ها و صادر کنندگان کارت های اعتباری این است تا هر چه زودتر به افشا یا جلوگیری از کلاه برداری بپردازند. از طرف دیگر نفوذ به شبکه، از پشت به شرکت های تجارت الکترونیک ضربه می زند. زمان وقفه سرورهای وب یا نفوذ به اطلاعات یا کسب و کار مشتری منجر به ضررهای زیادی می گردد.

سیستم های پرداخت الکترونیک…

• عنوان لاتین مقاله: Electronic Payment Systems: Issues of User Acceptance
• عنوان فارسی مقاله: سیستم های پرداخت الکترونیک؛ مسئله پذیرش.
• دسته: فناوری اطلاعات و کامپیوتر
• تعداد صفحات فایل ترجمه شده: 6
• جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
• نسخه فارسی مقاله برای خرید آماده است.

خلاصه

تجارت الکترونیک و کسب و کار الکترونیک به شدت نیازمند سیستم های پرداختی جدید می باشد تا از توسعه روز افزون آن ها پشتیبانی کنند. این مقاله به بحث موضوعات مربوط به پذیرش سیستم های پرداخت الکترونیک توسط کاربر با توجه به انبوه مشتریان پرداخته و نتایج مربوط به بررسی کاربران در مورد سیستم های پرداخت الکترونیک و سنتی را که به منظور بررسی نگرش کاربر در مسیر این خصوصیات برجسته می پردازد. این مقاله موضوعاتی را در ارتباط اصل پذیرش و اموزش در ارتباط با طراحی سیستم پرداخت الکترونیک با توجه به سطح بالای پذیرش کاربر مطرح کرده، که به عنوان نکته کلیدی در درک مسیر ها برای توسعه بیشتر سیستم پرداخت الکترونیک می باشد.

مقدمه

سیستم های پرداخت الکترونیک به عنوان بخش مهمی از تجارت الکترونیک و کسب و کار الکترونیک بوده و به شدت برای توسعه آن ها مهم می باشد. به هر حال، روش های سنتی پرداخت برای کالا و خدمات در اینترنت به طور مناسب کارایی ندارد. سیستم های پرداخت کنونی برای دنیای آنلاین همانند کارت های اعتباری، در سطح گسترده ای به عنوان ابزار پرداختی در اینترنت می باشد، ولی کاربران در این موارد اطمینان، اعتبار، و امنیت و غیره را مشاهده نمی کنند. سیستم های پرداخت امروزی دور از ایده آل های بازرگانان می باشد، و این به دلیل هزینه بالای معامله، عملیات کلاهبرداری، و گروه های مختلفی که دراین فرایند پرداخت مشارکت دارند، است. این مشکلات منجر به بی میلی مشارکت کاربران در فعالیت های تجارت الکترونیک شده، و این شرایط به نوبه خود، بازرگانانی را که مشتریان بلقوه خود را از دست می دهند، تحت تاثیر قرار می دهد. سیستم های پرداخت کنونی، که به طور ویژه برای اینترنت ایجاد شده اند، نمی تواند از مشکلات ذکر شده مشابه یا متفاوت اجتناب کند. این ها منجر به بی میلی به کارگیری سیستم های پرداخت الکترونیک می گردد، یعنی منجر به سطح پایین پذیرش سیستم های پرداختی معرفی شده جدید توسط انبوهی از مشتریان می گردد. نیاز به سیستم های پرداخت مناسب و کاربر پسند مشخصا ضروری می باشد. این سیستم ها می بایست نیاز کاربران و بازرگانان را تامین کرده، و پتانسیل های مربوط به پذیرش این سیستم ها را در بازار کالا نشان دهد.

برای مد نظر قرار دادن فاکتورهایی که قبول کاربران را در سیستم های پرداخت الکترونیک تحت تاثیر قرار دهد، ما بررسی را توسط کاربران و سیستم های پرداختی انجام دادیم. در این بررسی سیستم های پرداخت سنتی (نقدی، کارت اعتباری) و الکترونیک (کارت های حساب و هوشمند و کارت های اعتباری اینترنتی) مد نظر قرار می گیرند.

• فرمت: zip
• حجم: 0.56 مگابایت
• شماره ثبت: 411

دانلود گزارش کارآموزی شرکت نولیدی نرم افزار پارس لن…

مقدمه

پارس لن در سال 1378 با هدف ارائه خدمات نوین در زمینه شبکه و تجارت الکترونیک با همکاری چندی از مهندسین و کارشناسان خلاق شروع به کار نمود. در ابتدا با استفاده از تجارب خود در زمینه فناوری اطلاعات توانست گام مهمی در راه اندازی و عملیاتی شدن چندین طرح ملی بردارد. پس از چندی با تلفیق اطلاعات مهندسین صنایع - شبکه و کامپیوتر و ارائه راهکارهای نوین جهت سیستم های مدیریتاطلاعاتی توانست به گرایش اصلی خود که همانا طراحی و برنامه نویسی سیستمهای جامع مدیریت اطلاعاتی است دست یابد. هم اکنون این شرکت با دارا بودن بیش از 10 نرم افزار مهم کاربردی در زمینه های مدیریت - فناوری اطلاعات و اطلاع رسانی - صنایع - معدن - مدارس - آموزش الکترونیک - نگهداری و تعمییرات - کنترل موجودی و ... و نصب و راه اندازی این برنامه ها در بیش از 4 واحد صنعتی و اداری توانسته است خلاقیت و تکنولوژی نو را همراه با هم در اختیار واحد های مختلف قرار دهد.

دانلود پایان نامه داده کاوی در تجارت الکترونیک…

مقدمه

از هنگامی که رایانه در تحلیل و ذخیره سازی داده ها به کار رفت (1950) پس از حدود 20 سال، حجم داده ها در پایگاه داده ها دو برابر شد. ولی پس از گذشت دو دهه و همزمان با پیشرفت فن آوری اطلاعات (IT) هر دو سال یکبار حجم داده ها، دو برابر شده و همچنین تعداد پایگاه داده ها با سرعت بیشتری رشد نمود. این در حالی است که تعداد متخصصین تحلیل داده ها با این سرعت رشد نکرد. حتی اگر چنین امری اتفاق می افتاد، بسیاری از پایگاه داده ها چنان گسترش یافته اند که شامل چندصد میلیون یا چندصد میلیارد رکورد ثبت شده هستند. امکان تحلیل و استخراج اطلاعات با روش های معمول آماری از دل انبوه داده ها مستلزم چند روز کار با رایانه های موجود است. [3]حال با وجود سیستم های یکپارچه اطلاعاتی، سیستم های یکپارچه بانکی و تجارت الکترونیک ، لحظه به لحظه به حجم داده ها در پایگاه داده های مربوط اضافه شده و باعث به وجود آمدن حانبارهای عظیمی از داده ها شده است. این واقعیت، ضرورت کشف و استخراج سریع و دقیق دانش از این پایگاه داده ها را بیش از پیش نمایان کرده است، چنان که در عصر حاضر گفته می شود اطلاعات طلاست. هم اکنون در هر کشور، سازمان، شرکت و غیره برای امور بازرگانی، پرسنلی، آموزشی، آماری و غیره پایگاه داده ها ایجاد یا خریداری شده است. به طوری که این پایگاه داده ها برای مدیران، برنامه ریزان، پژوهشگران جهت، تصمیم گیری های راهبردی، تهیه گزارش های مختلف، توصیف وضعیت جاری خود و سایر اهداف می تواند مفید باشد. بسیاری از این داده ها از نرم افزارهای تجاری، مثل کاربردهای مالی، ERPها، CRMها و web log ها، می آیند. نتیجه این جمع آوری داده ها این می شود که در سازمانها، داده ها غنی ولی دانش ضعیف، است. جمع آوری داده ها، بسیار انبوه می شود و بسرعت اندازه آن افزایش می یابد و استفاده عملی از داده ها را محدود می سازد. [2]داده کاوی استخراج و تحلیل مقدار زیادی داده بمنظور کشف قوانین و الگوهای معنی دار در آنهاست. هدف اصلی داده کاوی، استخراج الگوهایی از داده ها، افزایش ارزش اصلی آنها و انتقال داده ها به صورت دانش است.

داده کاوی، به همراه OLAP، گزارشگری تشکیلات اقتصادی (Enterprise reporting) و ETL، یک عضو کلیدی در خانواده محصول Business Intelligence (BI) ، است. [2Error! Reference source not found.]

حوزه های مختلفی وجود دارد که در آنها حجم بسیاری از داده در پایگاه داده های متمرکز یا توزیع شده ذخیره می شود. برخی از آنها به قرار زیر هستند: [6Error! Reference source not found.]

کتابخانه دیجیتال: یک مجموعه سازماندهی شده از اطلاعات دیجیتال که به صورت متن در پایگاه داده های بزرگی ذخیره می شوند.

آرشیو تصویر: شامل پایگاه داده بزرگی از تصاویر به شکل خام یا فشرده.

اطلاعات زیستی: بدن هر انسانی از 50 تا 100 هزار نوع ژن یا پروتئین مختلف ساخته شده است. اطلاعات زیستی شامل تحلیل و تفسیر این حجم عظیم داده ذخیره شده در پایگاه داده بزرگی از ژنهاست.