کاهش ریسک با ارائه مدلی مبتنی بر یادگیری عمق برای شناسایی کاربران جعلی در اینترنت اشیاء

چکیده مقاله

شهرهای هوشمند که توسط اینترنت اشیا هدایت می شوند، با فعال کردن سیستم های کارآمد و به هم پیوسته، تولید پیشرفت های چشمگیری در زندگی شهری را می دهند در این حال، سیستم ها در برابر تهدیات امنیتی بسیار آسیب پذیر هستند به عنوان مثال، سیستم های اینترنت اشیا بسیار آسیب پذیر هستند و عملکرد های جانبی را با مشکل مواجه می کنند با توجه به نگرانی های امنیتی موجود، این مقاله یک مدل جدید برای شناسایی کاربران جعلی در شبکه های اینترنت اشیا پیشنهاد می کند رویکرد پیشنهادی از شبکه های حافظه طولانی کوتاه مدت و شبکه های عصبی کانولوشنال برای تحلیل ترافیک و شناسایی فعالیت های مخرب با استفاده از پیش پردازش، انتخاب بهینه ویژگی و توزیع متعادل داده ها آماده شده است با پیش پردازش، انتخاب بهینه ویژگی و داده ها، مدل پیشنهادی قابلیت برای مدل های یادگیری عمیق به دقت ۹۹ ۸۵ درصد رسید

کلیدواژه‌ها

نویسندگان

عماد کیانی نژاد

دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار، دانشگاه آزاد اسلامی واحد شیراز

سید ابراهیم دشتی

دانشکده برق و کامپیوتر، واحد چهارم، دانشگاه آزاد اسلامی مسئول مکاتبات

کیانی نژاد، عماد و دشتی، سید ابراهیم،1403،کاهش ریسک با ارائه مدلی مبتنی بر یادگیری عمق برای شناسایی کاربران جعلی در اینترنت اشیاء،سومین کنفرانس بین المللی و هشتمین 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