بهبود امنیت شبکه اینترنت اشیا با کمک سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق

چکیده مقاله

رشد سریع اینترنت اشیا نگرانی جهانی را برای امنیت دستگاه ها و شبکه های متصل به هم ایجاد کرده است این امر استفاده از سیستم تشخیص نفوذ کارآمد را برای کاهش تهدیدات سایبری ضروری می کند تکنیک های یادگیری عمیق یک رویکرد امیدوارکننده برای شناسایی موثر ناهنجاری ها و بی نظمی ها در شناسایی ترافیک مخرب، شبکه افزایش امنیت شبکه اینترنت اشیا و کاهش تهدیدات سایبری ارائه می کند در این مقاله سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق با استفاده از شبکه های عصبی پیش خور، حافظه کوتاه مدت بلند مدت و شبکه های عصبی تصادفی برای محافظت از شبکه اینترنت اشیا در برابر حملات سایبری پیشنهاد شده است هر شبکه عمیقی مزایای بالقوه خود را دارد این شبکه ها با فعال کردن مکانیسم های دفاعی در برابر تهدیدات سایبری چالش برانگیز و تضمین امنیت داده های حساس با گسترش شبکه های اینترنت اشیا، امنیت سایبری را تقویت می کنند تکنیک پیشنهادی در مقایسه با پیشرفته ترین سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق با استفاده از مجموعه داده های CIC IoT۲۲، عملکرد برتری را نشان می دهد دقت ۹۹ ۹۳ درصد برای مدل شبکه های عصبی پیش خور، ۹۹ ۸۵ درصد برای مدل حافظه کوتاه مدت بلند مدت و ۹۶ ۴۲ درصد برای مدل شبکه های عصبی تصادفی در تشخیص نفوذ به دست آمده است علاوه بر این، مدل ها با ایجاد پاسخ های سریع به مشکلات امنیتی پتانسیل افزایش تشخیص نفوذ در شبکه های اینترنت اشیا را دارند

کلیدواژه‌ها

نویسندگان

کاظم نیک فرجام

هیات علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد بیرجند

نیک فرجام، کاظم،1404،بهبود امنیت شبکه اینترنت اشیا با کمک سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق،یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران

ارائه‌شده در

مجموعه مقالات یازدهمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام31 شهریور 1404 · تهران