17016

ارائه مدلي براي تشخيص نفوذ در بستر اينترنت اشيا مبتني بر يادگيري عميق

1401

دكتر محمد فتحيان

ندارم

با گسترش روزافزون اينترنت اشيا و اتصال ميلياردها دستگاه هوشمند امنيت اين بستر به يكي از مهم ترين چالش هاي فناوري تبديل شده است. وجود منابع محدود در دستگاه هاي اينترنت اشيا و تنوع پروتكل ها و ساختار شبكه ها,شناسايي و مقابله با حملات سايبري را پيچيده تر كرده است. سيستم هاي تشخيص نفوذ سنتي به دليل تكيه بر الگوهاي از پيش تعريف شده, در تشخيص حملات ناشناخته يا پيچيده عملكرد مطلوبي ندارند. در سال هاي اخير, استفاده از روش هاي يادگيري عميق با هدف افزايش دقت و خودكار سازي فرايند شناسايي حملات در شبكه هاي اينترنت اشيا مورد توجه گسترده قرار گرفته است. در اين پژوهش يك مدل نوين مبتني بر يادگيري عميق براي تشخيص نفوذ در بستر اينترنت اشيا ارائه مي گردد.مدل پيشنهادي با بهره گيري از ساختارهاي تركيبي شبكه هاي عصبي مانند CNN و LSTM قادر است الگوهاي رفتاري غير عادي را در داده هاي ترافيكي شناسايي كند. داده هاي واقعي از مجموعه داده هاي استاندارد اينترنت اشيا مورد استفاده قرار گرفته و نتايج تجربي نشان دهنده بهبود قابل توجه در دقت و كاهش نرخ هشدارهاي كاذب در مقايسه با روش هاي مشابه است.

2/17/2024 12:00:00 AM

90202

1405/02/15

Presenting a model for intrusion detection in the Internet of Things platform based on deep learning

اينترنت اشيا , تشخيص نفوذ , يادگيري عميق

Internet of things , Deep learning , Intrusion detection