ارائه مدلی برای تشخیص نفوذ بر مبنای یادگیری عمیق در اینترنت اشیاء

در عصر تکنولوژی اطلاعات، امنیت سایبری در اینترنت اشیا (IoT) از اهمیت بالایی برخوردار است . اینترنت اشیا به دو دلیل اساسی در معرض تهدیدهای سایبری قرار دارد که عبارتند از: الف - گسترش دستگاههای اینترنت اشیا از کاربردهای خانگی تا زیرساختهای مهم از جمله شبکه های برق هوشمند و وسایل نقلیه هوشمند. ب- ناهمگونی پروتکل های ارتباطی دستگاههای اینترنت اشیا .تشخیص نفوذ در اینترنت اشیا، واضح است که مقیاس تاثیر حملات انجام شده بر روی شبکه های IoT می تواند بسیار متفاوت باشد. به عنوان مثال ، یک حمله نسبتا ساده می تواند خسارت قابل توجهی نداشته باشد ، اما اگر حمله بر روی وسیله ای با اهمیت مانند فرمان یک اتومبیل هوشمند انجام شود ، می تواند تلفات جانی برای انسانها به همراه داشته باشد. در نتیجه ، بدیهی است که بین نیازهای امنیتی و قابلیتهای امنیتی دستگاههای IoT که در حال حاضر موجود است ، شکاف بزرگی وجود دارد. محافظت از شبکه IoT در برابر حملات از طریق برنامه ریزی و به کارگیری کنترلهای امنیتی موثر ، تحقق یافتنی است . یکی از این کنترلها، سیستم تشخیص نفوذ (IDS) است . سیستم تشخیص نفوذ، رفتار گرهها را بررسی کرده و هرگونه ناهنجاری در ترافیک شبکه را شناسایی کند. مدل پیشنهادی از پنج مرحله راه اندازی شبکه های حسگر، تشکیل خوشه علاوه بر انتخاب سر خوشه ، اتصال، تشخیص حمله ، و کارگزار داده تشکیل شده است . که برای تشخیص نفوذ، عملکرد بهتری نسبت به شبکه عصبی یادگیری عمیق موجود و شبکه عصبی مصنوعی داشت . نتایج تجربی ، نتیجه بهتری از دقت ۱۲.۹۶ % نسبت به الگوریتم های غالب نشان داد.

کلیدواژه ها:

اینترنت اشیاء ، سیستم تشخیص نفوذ ، یادگیری عمیق ، تهدیدهای سایبری ، الگوریتم K - means