ارائه مدلی مبتنی بر یادگیری عمیق جهت تشخیص نفوذ به شبکه های کامپیوتری

اینترنت به بخشی جدایی ناپذیر از زندگی بشر تبدیل شده است و تعداد دستگاه های متصل به اینترنت به شدت در حال افزایش است. به ویژه، دستگاه های اینترنت اشیاء به بخشی از زندگی روزمره بشر تبدیل شده اند. با این حال، برخی از چالش ها در حال افزایش است و راه حل های آنها به خوبی تعریف نشده است. چالش های بیشتری در ارتباط با امنیت فناوری درمورد اینترنت اشیاء درحال ظهور است. روش های زیادی برای ایمن کردن شبکه های اینترنت اشیاء توسط مطالعات مختلف ایجاد شده اند، اما هنوز می توان روش های بسیاری را برای بهبود تشخیص نفوذ توسعه داد. یکی از راه های پیشنهادی برای بهبود امنیت اینترنت اشیاء، استفاده از الگوریتم های یادگیری ماشین است. این تحقیق چندین استراتژی یادگیری ماشین و یادگیری عمیق و همچنین مجموعه داده های استاندارد را برای بهبود عملکرد امنیتی اینترنت اشیاء مورد بحث قرار می دهد. این پژوهش یک الگوریتم برای تشخیص حملات انکار سرویس با استفاده از یک الگوریتم یادگیری عمیق توسعه داده است. این تحقیق از زبان برنامه نویسی پایتون با بسته هایی مانند Tensorflow ،scikit-learn و Seaborn برای پیاده سازی روش خود استفاده کرده است. نتایج این پژوهش نشان داد که یک مدل یادگیری عمیق می تواند دقت را افزایش داده تا در کاهش حملاتی که در شبکه اینترنت اشیاء رخ می دهد تا حد امکان موثر باشد.

کلیدواژه ها:

یادگیری عمیق ، شبکه کامپیوتری ، اینترنت اشیاء ، حمله انکار سرویس توزیع شده ، تشخیص نفوذ