امنیت هسته هوشمند شبکه های 5G در اینترنت اشیاء با استفاده از الگوریتم (mayfly(2020

استفاده گسترده از تکنولوژی های نوین همچون اینترنت اشیاء در محیط های هوشمند و شبکه های حسگر بی سیم منجر بهایجاد روش های گوناگون در تحلیل داده های بدست آمده از این نکنولوژی ها گردیده است. با توجه به ظهور تکنیک هاینوین در شبکه های حسگر بی سیم، در واقع تجمع تعداد زیادی از گره های حسگر در محیط که هر کدام به طور خودمختار وبا همکاری سایر گره ها، هدف خاصی را دنبال می کنند، قابلیت تبدیل اطلاعات مفید از داده های جمع آوری شده از رفتارمحیط هوشمند توسط سنسورها به اطلاعات مفید را بوجود آورده است. در مطالعه حاضر برای تحقق این امر از تکنیکخوشه بندی و کلاس بندی استفاده شده است. تا بتوان با روش خوشه بندی بهبود یافته کارهای مختلف در محیط هوشمندرا دسته بندی کرد و نهایتا خروجی کلاس بندی CART با توجه به این خوشه ها، بدست آورد. همچنین خوشه بندی جزءمسائل پیچیده یا np-hard محسوب می شود، و برای حل آن از الگوریتم های بهینه سازی بهره گرفته شده تا افراز و تفکیکبهتری برای ایجاد الگویی مناسب در طراحی محیط هوشمند انجام شود. در این مطالعه از الگوریتم Mayfly وعلف هرز وجغرافیای زیستی بهبود یافته از طریق شبیه سازی عملکرد بازده انرژی و امنیت ETARP و پروتکل های AODV-LTBو EHA – AODV در جهت خوشه بندی و مقایسه نتایج بهره برده ایم. در نهایت نتایج پیاده سازی نشان می دهد کهالگوریتم Mayfly بهبود یافته نتایج بهتری برای خوشه بندی را بدست آورده است، و توانایی بیرون آمدن از دام بهینه محلیرا فراهم می کند. این مهم به این خاطر است که الگوریتم بهبود یافته توانایی جستجوی سراسری بهتری در فضای مساله(خوشه بندی) دارد. همچنین کلاس بندی صورت گرفته باتوجه به الگوریتم خوشه بندی بهبود یافته، خطای حاصل از کلاسبندی افراد مختلف را کمینه کرده است؛ که این مهم نشان دهنده این است که نتایج بهتر از قبل طبقه بندی شده است.

کلیدواژه ها:

اینترنت اشیاء ، شبکه های 5G ، محیط هوشمند ، الگوریتم های بهینه سازی ، الگوریتم Mayfly algorithmNature-inspired algorithmOptimization