ارائه یک سیستم ترکیبی تشخیص نفوذ مبتنی بر یادگیری عمیق برای شبکه های اینترنت اشیا

چکیده مقاله

اینترنت آشیا به عنوان یک فناوری شبکه جدید شامل مجموعه ای از تجهیزات فیزیکی مانند قطعات الکترونیکی، نرمافزار و حسگر می باشد باتوجه به توسعه اینترنت اشیا در صنایع مختلف منجر شده است که حجم انبوهی از داده تولیدشود و با تنوع و هوشمندی که در رفتارهای حمله سایبری رخ داده است سیستم های تشخیص نفود سنتی دیگر برایمواجهه با حجم انبوهی از داده ها مناسب نیستند بادگیری عمیق زمان قابل توجه ای را برای پردازش داده های با ابعادبالا صرفه جویی کرده است مدل پیشنهادی ترکیبی از معماری شبکه باقیمانده Resnet ، حافظه کوتاه مدت دوجهته Bilstm برای استخراج ویژزگی های مکانی و زمانی ترافیک شبکه و ترکیب شبکه عصبیکانولووشنال CNN و تحلیل مولفه اصلی هسته ای kpca برای استخراج ویژگی های حمله و شناسایی و طبقهبندی حملات درنظر میگیرد همچنین از معماری شبکه باقیمانده Resnet برای استخراج ویژگی فضایی و ازحافظه کوتاه مدت دو جهته Bilstm برای استخراج ویژگی زمانی بکار رفته است که بتواند به صورت موازی اینویژگی ها را استخراج کند و شبکه عصبی کانولووشنال CNN برای انجام شناسایی و طبقه بندی حمله در نظرگرفته شده است در نهایت با استفاده از ویژگی های استخراج شده امکان تشخیصT طبقه بندی حملات در حجمآنبوهی از داده ها ممکن می شود

کلیدواژه‌ها

نویسندگان

نازنین راستی خداوردی لو

دانشجوی ارشد کامپیوتر، نرم افزار، موسسه آموزش عالی آپادانا، شیراز

سیدابراهیم دشتی

دانشکده برق و کامپیوتر، واحد جهرم، دانشگاه آزاد اسلامی

�استی خداوردی لو، نازنین و دشتی، سیدابراهیم،1402،ارائه یک سیستم ترکیبی تشخیص نفوذ مبتنی بر یادگیری عمیق برای شبکه های اینترنت اشیا،دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات سومین کنفرانس بین المللی و هشتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی30 بهمن 1403 · اهواز