چکیده مقاله
گسترش بی سابقه اینترنت اشیاء IoT موجب تحول در صنایع مختلف از سلامت و انرژی تا حمل و نقل و شهرهای هوشمند شده است با این حال، افزایش میلیاردها نقطه اتصال سطح حمله ای بی سابقه ایجاد کرده که روش های سنتی امنیت سایبری در برابر آن ناکارآمدند در این مقاله، نقش هوش مصنوعی AI به عنوان یک محرک کلیدی برای ارتقای امنیت IoT بررسی می شود ابتدا با مرور جامع پژوهش های اخیر، مزایا و محدودیت های الگوریتم های یادگیری ماشین و یادگیری عمیق شامل LSTM، CNN و رویکردهای Ensemble تحلیل شده است سپس چارچوب پیشنهادی ترکیبی CNN LSTM XGBoost برای تشخیص نفوذ ارائه می شود که در آزمایش ها بر روی دیتاست های استاندارد نظیر CICIDS۲۰۱۷ و Bot IoT به میانگین دقت ۹۶ و F۱ score برابر با ۹۵ دست یافته است افزون بر بعد فنی، مقاله نقشه راه اجرایی سه مرحله ای Production → Pilot → PoC را برای استقرار عملی AI در امنیت IoT معرفی می کند که شامل تعریف شاخص های کلیدی عملکرد KPI ، سیاست های حاکمیت داده و ارزیابی هزینه فایده است نتایج نشان می دهد که تلفیق رویکردهای علمی با چارچوب های مدیریتی می تواند علاوه بر افزایش دقت و سرعت کشف حملات منجر به کاهش هزینه های ناشی از تهدیدات و افزایش تاب آوری سازمان در برابر ریسک های آینده شود این پژوهش ضمن پرکردن شکاف میان تحقیقات آکادمیک و نیازهای اجرایی، مدلی کاربردی برای بهره گیری ایمن و پایدار از IoT ارائه می دهد
کلیدواژهها
نویسندگان
شیوه ارجاع
�لام نتاج، علی و رحمانیان کوشککی، محمد عرفان و حمیدی نیا، امید رضا و میرزایی فرد، عباسعلی،1404،کاربرد هوش مصنوعی در ارتقای امنیت اینترنت اشیاء از الگوریتمهای یادگیری عمیق تا استراتژیهای سازمانی،دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز