چکیده مقاله
با توجه به گستردگی روزافزون تجهیزات متصل به شبکه جهانی اینترنت، بحث امنیت شبکه های اینترنت اشیاء یک چالش جدیشده است چراکه دیگر جنس حملات صرفا به خطر انداختن فایل های موجود در کامپیوتر نیست، بلکه یک نفوذ میتواند دسترسیبه تمام وسایل یک خانه یا حتی یک شهر را داشته باشد و میزان خسارت حملات به مراتب بیشتر از گذشته خواهد بود از این روتشخیص نفوذ در شبکه های IoT یک امر حیاتی محسوب میشود به همین منظور در این مقاله یک روش مبتنی بر یادگیری عمیق به منظور تشخیص نفوذ در شبکه های IoT معرفی شده است در این روش، به منظور غلبه بر مشکل بالانس نبودن داده ها از یک مدل LSTM دو طرفه استفاده شده است نتایج بر اساس معیارهای صحت، دقت، فراخوانی و F Measure و همچنین با آزمایش بر روی مجموعه داده ی Bot IoT به خوبی نشان میدهد که روش پیشنهادی حساسیت بسیار کمی نسبت به بالانس نبودن مجموعه داده داشته و عملکرد قوی تری نسبت به سایر روشها از جمله ماشین بردار پشتیبان، شبکه های عصبی چندلایه، نایو بیز و درخت تصمیم گیری دارد
کلیدواژهها
نویسندگان
سارا مال اسد
دانشجوی کارشناسی ارشد مهندسی نرم افزار ، دانشگاه آزاد اسلامی، واحد خرم آباد
شیوه ارجاع
مال اسد، سارا،1402،تشخیص نفوذ در شبکه های اینترنت اشیا با استفاده از یادگیری عمیق و به کمک دیتاست های بالانس نشده و شبکه عصبی LSTM،بیستمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات بیستمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 مرداد 1402 · بابل