تشخیص حملات به شبکه اینترنت اشیاء با استفاده از سرویسهای یادگیری عمیق و یادگیری

چکیده مقاله

نفوذ به زیرساختها و سرویسهای شبکه اینترنت اشیاء یکی از چالشهای مهم امنیتی در اینترنت اشیاء است یکی از راه حلهای کارآمد برای مقابله با نفوذ و تشخیص حملات به شبکه ارایه سیستمهای تشخیص نفوذ به شبکه است سیستم تشخیص نفوذ در واقع یک ابزار طبقه بندی برای تشخیص ترافیک حمله از ترافیک عادی است بیشتر سیستمهای تشخیص نفوذ در اینترنت اشیاء در لایه مه یا لایه ابر اجراء میشود در بیشتر مطالعات برای تشخیص حملات از روشهای یادگیری ماشین و یادگیری عمیق استفاده میشود توانایی تشخیص حملات در اینترنت اشیاء به متعادلسازی مجموعه داده و انتخاب ویژگی هوشمندانه بستگی دارد در این پژوهش یک سیستم تشخیص نفوذ در دو لایه مه و ابر ارایه میشود در لایه مه از روش SMOTE برای متعادلسازی مجموعه داده آموزشی استفاده میشود و در مرحله از الگوریتم بهینه سازی کویتی برای انتخاب ویژگی نیز استفاده میشود ترافیک شبکه در لایه مه دچار کاهش ابعاد میشود و ترافیک کاهش ابعاد یافته وارد سرویسهای Google Colab میشود در لایه ابر چهار روش LSTM، جنگل تصادفی، ماشین بردار پشتیبان و شبکه عصبی مصنوعی چند لایه برای تشخیص حملات استفاده میشود ارزیابیها و آزمایشات در مجموعه داده NSL KDD نشان داد روش پیشنهادی با طبقه بندی کننده شبکه عصبی چند لایه در تشخیص حملات نسبت به روشهای یادگیری ماشین دقت بیشتری دارد روش پیشنهادی در فاز انتخاب ویژگی دارای دقت بیشتری نسبت به روشهای نظیر HHO، WOA و AVOA است آزمایشات نشان داد، دقت، حساسیت و صحت روش پیشنهادی به ترتیب برابر ۹۹ ۶۲، ۹۹ ۴۸ و ۹۹ ۳۷% است روش پیشنهادی از روشهای یادگیری ماشین نظیر ماشین بردار پشتیبان، جنگل تصادفی و شبکه عصبی چند لایه دقت بیشتری دارد و از روش یادگیری عمیق LSTM در تشخیص حملات دقیقتر است

کلیدواژه‌ها

نویسندگان

دانیال عطائی

موسسه آموزش عالی جهاد دانشگاهی خوزستان

علی بخت همت

موسسه آموزش عالی جهاد دانشگاهی خوزستان

�طائی، دانیال و بخت همت، علی،1403،تشخیص حملات به شبکه اینترنت اشیاء با استفاده از سرویسهای یادگیری عمیق و یادگیری،ششمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات ششمین کنفرانس ملی دستاوردهای نوین در مهندسی برق، کامپیوتر و صنایع15 آبان 1403 · اسفراین