27921

شناسايي حملات منع خدمت توزيع شده در اينترنت اشيا با استفاده از رويكرد يادگيري ماشين

كارشناسي ارشد

مهندسي كامپيوتر- شبكه‌هاي كامپيوتري

1398

1401/10/13

ابوالفضل ديانت

مهندسي كامپيوتر

امروزه اينترنت اشيا به عنوان يك فناوري اميدواركننده ظاهر شده، كه در آن تمام دستگاه هاي فيزيكي كه به نام اشيا شناخته مي شوند، درسراسرجهان به هم متصل مي شوند. در اينترنت اشيا همه اشيا هويت منحصر به فردي دارند. آ ن ها مي توانند اطلاعات و داده ها را جمع آوري و به اشتراك بگذارند مي توانندسازماندهي خودكار واكنشنشان دهند و بر اساس تغييرات محيطي بدون دخالت انسان عمل كنند. اينترنت اشيا به دليل عدم تداخل، دامنه وسيع تر و ويژگي هاي مقياس پذيري بر ساير شبكه هاي سنتي ترجيح داده مي شود. يكحمله معروف كه توسط آسيب پذيري هاي اينترنت اشيا ايجاد مي شود انكار سرويس توزيع شده است. از سوي ديگر IDS را مي توان به عنوان سيستمي براي تشخيص سريع حملات در غياب كمك انساني تعريف كرد . چالش مهمي كه از زمان معرفي اولين IDS مورد توجه بوده است، طبقه بندي اشتباه به دليل دقت پايين در تشخيص حمله و ناتواني در شناسايي حملات مدرن است.

1401/12/09

Detection of Distributed Denial of Service Attacks in Internet of Things Using Machine Learning Approach

1/3/2024 12:00:00 AM

Today, the Internet of Things has emerged as a promising technology, in which all physical devices known as things are connected worldwide. In the Internet of Things, all objects have a unique identity. They can collect and share information and data, they can react automatically and act based on environmental changes without human intervention. IoT is preferred over other traditional networks due to its non-interference, wider range and scalability features. A well-known attack caused by IoT vulnerabilities is distributed denial of service. On the other hand, IDS can be defined as a system for quick detection of attacks in the absence of human assistance. An important challenge that has been noticed since the introduction of the first IDS is misclassification due to low attack detection accuracy and inability to detect modern attacks.

اينترنت اشيا , يادگيري ماشين , سيستم هاي تشخيص نفوذ

internet of thingd , Machine Learning , Intrusion detection systems

Mohammad Alnadavi

Dr. Diyanat