این مقاله انگلیسی در نشریه الزویر در ۸ صفحه در سال ۲۰۲۲ منتشر شده و ترجمه آن ۲۴ صفحه بوده و آماده دانلود می باشد.
عنوان فارسی مقاله: مدلسازی رویکرد هوشمند ارزیابی ریسک برای محیط رایانش ابری با استفاده از هوش مصنوعی و الگوریتم های نظارت شده یادگیری ماشین
عنوان انگلیسی مقاله: Modelling of smart risk assessment approach for cloud computing
environment using AI & supervised machine learning algorithms
دانلود رایگان مقاله انگلیسی: دانلود
| مشخصات مقاله انگلیسی و ترجمه فارسی | |
| فرمت مقاله انگلیسی | |
| سال انتشار | ۲۰۲۲ |
| تعداد صفحات مقاله انگلیسی | ۸ صفحه با فرمت pdf |
| نوع نگارش | مقاله پژوهشی (Research article) |
| نوع ارائه مقاله | ژورنال |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | امنیت اطلاعات – رایانش ابری یا محاسبات ابری – هوش مصنوعی – مهندسی الگوریتم ها و محاسبات |
| چاپ شده در مجله (ژورنال)/کنفرانس | مجموعه مقالات انتقال جهانی |
| کلمات کلیدی | هوش مصنوعی – رایانش ابری (CC) – امنیت ابری – فراگیری ماشین – ارزیابی ریسک |
| کلمات کلیدی انگلیسی | Artificial intelligence – Cloud computing (CC) – Cloud security – Machine learning – Risk assessment |
| ارائه شده از دانشگاه | موسسه علوم کامپیوتر، دانشگاه ویکرام |
| شناسه دیجیتال – doi | https://doi.org/10.1016/j.gltp.2022.03.030 |
| رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
| نشریه | الزویر – Elsevier |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۲۴ صفحه با فونت ۱۴ B Nazanin |
| فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
| وضعیت ترجمه | انجام شده و آماده دانلود |
بخشی از ترجمه
۲٫ کارهای مرتبط
رایانش ابر یک توسعه طبیعی برای مراکز محاسباتی و اطلاعات/داده‌هایی است که با فناوری‌های مجازی‌سازی فعال می‌شوند. متعادل سازی حجم کار و مدیریت سیستم های خودکار [۱۴]. با همه این تحولات فناوری‌ها، پیچیدگی‌هایی به وجود آورد که به عدم تمایل به پذیرش ابر توسط بازار کمک می‌کند. اصل موضوع، تهدیدات امنیتی برای انتقال داده ها و برنامه ها در آن است در ابر به دلایل واضح علاوه بر این، تهدیدات امنیتی نیز وجود دارد دسته بندی های مختلف مانند تهدیدات امنیتی داده ها، تهدیدات امنیتی شبکه، تهدیدات امنیتی سرور، تهدیدات امنیتی برنامه، احراز هویت و تهدیدات امنیتی مجوز، تهدیدات امنیتی وب، تهدیدات امنیتی مجازی سازی. هر یک از خطرات امنیتی از مسائل یا مسائل خاص خود تشکیل می شود نگرانی ها. یکی از مشکلات برجسته در امنیت شبکه و امنیت داده ها، حملات سایبری است. بنابراین، کل این بررسی ادبیات عمدتا است نگران تهدیدات یا مسائل امنیتی مختلف در محیط ابری است.
در [۱۵]، نویسندگان مروری بر مطالعه ای ارائه می دهند که به بررسی CC پرداخته است مشکلات امنیتی، چالش ها و راه حل هایی که شامل یک یا چند مورد می شود تکنیک های یادگیری ماشینی این شامل نگاهی به چندین دستگاه است. روش های یادگیری مانند نظارت، بدون نظارت، نیمه نظارت، و یادگیری تقویتی، که برای رفع نگرانی های امنیتی ابر استفاده می شود. سپس، احتمالات تحقیقاتی آینده را برای مدل‌های CC شناسایی می‌کند تا امنیت آنها را تضمین کند.
با توجه به ویژگی‌های نظری، مزایا و جنبه‌های منفی آنها، عملکرد هر رویکرد را مقایسه می‌کند. علاوه بر این، آن را با هدف ترویج استفاده از بهترین شیوه ها برای ارائه تضمین امنیت و حفاظت در حوزه رایانش ابری، Cloud امنیت اتحادها (CSA) یک سازمان غیرانتفاعی است. CSA همچنین دانشی را در مورد نحوه استفاده از Cloud Computing برای کمک به محافظت کامل از سایر اشکال محاسبات ارائه می دهد. از این رو در حال شناسایی است به عنوان هفت خطر اصلی برای پلتفرم ابری از طریق مقاله «تهدیدهای برتر به Cloud Computing V1.0″ که به شرح زیر است [۱۶،۱۷]:
– کاربرد شیطانی و سوء استفاده از رایانش ابری
– رابط های برنامه نویسی برنامه به طور ناامن
– برنامه های مخرب در داخل ماشین ها
– آسیب پذیری های مرتبط با فناوری اشتراکی
– از دست دادن/نشت اطلاعات
– خدمات و حساب
– ربودن ترافیک
رایانش ابری مستعد تهدیدات امنیتی چندگانه به اشکال مختلف است تهدیدات سطح شبکه برای تهدیدات سطح برنامه [۱۸-۲۰]. دلیل اینکه انجام بررسی ادبیات این است که بفهمیم رایانش ابری دقیقاً به چه معناست، کار کردن رایانش ابری، و چه مشکلاتی دارد در رایانش ابری همچنین بر چگونگی کاهش خطرات متمرکز شد و شرکت ها/مصرف کنندگان را تشویق به استفاده از رایانش ابری کنید محیط.
خطرات، ضعف ها و کاهش ریسک و همچنین هنجارها و قوانین، در [۲۱] برجسته شده است. این سه فناوری سپس با استانداردهای بین المللی (OWASP, NIST, ISO, و GDPR) نشان می‌دهند که اکثر استانداردها و مقررات هوش مصنوعی و IoT هنوز در حال توسعه هستند، در حالی که رایانش ابری از پایه کافی برای پشتیبانی از استانداردها برخوردار است. برای مقابله با DDoS نویسنده یک الگوریتم سیستم تشخیص DDoS بر اساس C.4.5 ایجاد کرد [۲۲]. این روش، هنگامی که با رویکردهای تشخیص امضا ترکیب می‌شود، درخت تصمیمی را ارائه می‌کند که می‌تواند حملات امضایی برای حملات سیل DDoS را به طور خودکار و مؤثر شناسایی کند. انتخاب کرد رویکردهای مختلف یادگیری ماشین و مقایسه نتایج برای اعتبارسنجی سیستم. نویسندگان در [۲۳] سیستم پیشنهادی خود را نشان می دهند نه تنها طیف وسیعی از حملات سایبری را تشخیص می دهد، بلکه آنها را نیز شناسایی می کند با دقت بسیار بالا (تا ۹۷٫۱۱٪). همچنین مقایسه هایی را با روش های فعلی مبتنی بر یادگیری ماشین به منظور نشان دادن کارایی راه حل پیشنهادی آن پردازش و تجزیه و تحلیل عظیم داده های به دست آمده از روش ها و حسگرهای ۳S، همانطور که توسط نویسنده توضیح داده شده است در [۲۴]، دیدگاه های جالبی برای توسعه یک فناوری یکپارچه ارائه می دهد سیستم برای حفاری.