روشی جهت برقراری امنیت در اینترنت اشیاء با استفاده از الگوریتم خوشه بندی مبتنی بر عامل سیار

امروزه بحث نفوذ به شبکه های کامپیوتری و لزوم وجود روش های شناسایی نمونه های خرابکار و جلوگیری از آسیب دیدن شبکه های کامپیوتری، امری اجتناب ناپذیر است. یکی از مهمترین بحث های مطرح شده در سال های اخیر در این حوزه مطالعاتی مربوط به وجود بات نت ها در شبکه های کامپیوتری می باشد. شبکه ای که توسط ماشین های تحت کنترل بدافزار بات شکل می گیرد بات نت نامیده می شود بات نت ها از جدی ترین تهدیدها علیه اینترنت به حساب می آیند. متخصصان معتقند که تقریبا 16 الی 25 درصد از کامپیوترهای متصل به اینترنت عضو بات نت ها هستند. در این تحقیق تلاش شده است تا بر اساس روش های یادگیری ماشین و به ویژه بوسیله ترکیب الگوریتم شبکه بیزین و عامل های سیار راهکاری موثر جهت شناسایی نمونه های بات نت در شبکه های کامپیوتری طراحی گردد. در این تحقیق، مدلی یادگیرنده بر مبنای شبکه بیزین و عامل های سیار ارائه شده است. نتایج پیاده سازی روش پیشنهادی بر روی دیتاست حجیم botnet_attacks_N_BaIoT نشان می دهد که روش پیشنهادی در مقایسه با روش هایی مانند شبکه بیزین استاندارد، درخت تصمیم و ماشین بردار پشتیبان، به صورت موثرتر و کاراتری قادر به تشخیص بات نت ها از نمونه های بی خطر در شبکه می باشد.

کلیدواژه ها:

برقراری امنیت ، اینترنت اشیاء ، الگوریتم خوشه بندی مبتنی بر عامل سیار