تشخیص نفوذ در شبکه اینترنت اشیاء پزشکی با استفاده از الگوریتم هوش گروهی سوسک سرگین و یادگیری گروهی در محیط مهابر

چکیده مقاله

با گسترش کاربرد اینترنت اشیاء پزشکی، تهدیدات امنیتی متعددی شبکه های سلامت هوشمند را هدف قرار داده اند در این پژوهش، یک مدل ترکیبی هوشمند مبتنی بر الگوریتم هوش گروهی سوسک سرگین و یادگیری گروهی برای تشخیص نفوذ در محیط مهابر ارائه شده است در مدل پیشنهادی الگوریتم سوسک سرگین برای انتخاب ویژگی های موثر و سه طبقه بند ماشین بردار پشتیبان، جنگل تصادفی و واحد بازگشتی دروازه ای برای طبقه بندی حملات در قالب ساختار یادگیری گروهی به کار گرفته شده اند نتایج ارزیابی با استفاده از داده ی NSL KDD نشان می دهد که مدل پیشنهادی دقتی معادل ۹۹ ۰۰۲، نرخ تشخیص برابر با ۹۸ ۸۵ و نرخ هشدار اشتباه کمتر از ۲ دارد این نتایج بیانگر آن است که مدل ارائه شده می تواند به عنوان یک راهکار موثر و کارا برای افزایش امنیت شبکه های پزشکی بلادرنگ و کاهش آسیب پذیری در محیط های اینترنت اشیاء پزشکی مورد استفاده قرار گیرد

کلیدواژه‌ها

نویسندگان

پروین محمودی

گروه مهندسی کامپیوتر واحد میبد دانشگاه آزاد اسلامی میبد، ایران

نسرین آقایی میبدی

گروه مهندسی کامپیوتر واحد میبد دانشگاه آزاد اسلامی میبد، ایران

محمودی، پروین و آقایی میبدی، نسرین،1404،تشخیص نفوذ در شبکه اینترنت اشیاء پزشکی با استفاده از الگوریتم هوش گروهی سوسک سرگین و یادگیری گروهی در محیط مهابر،کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال،یزد

ارائه‌شده در

مجموعه مقالات کنفرانس هوش مصنوعی در اقتصادهای نوظهور و کسب وکارهای دیجیتال21 آبان 1404 · یزد