ارائه مدلی مبتنی بر یادگیری عمیق برای تشخیص حملات در سیستم های توزیع شده برپایه اینترنت اشیا

اینترنت اشیا کابردهای گوناگونی در حیطه های مختلف داشته و توسعه سریع فناورهای اینترنت اشیاء در سامانه هتای ئئوماتیکی ومدیریت از راه دور را رهبری نموده است. یکی از این سامانه های مدیریتی که در زندگی روزمره ما محبوبیت بیشتری پیدا کرده، سیستم های خانه هوشمند است. سیستم های خانه هوشمند علاوه بر ارائه عملکرد مناسب و مزایای ملموس، کاربران را در معرض خطرات امنیتی نیز قرار میدهد .برای افزایش عملکرد و امنیت، الگوریتم های یادگیری ماشین نقش مهمی در اکوسیستم خانه های هوشمند دارند. از یک طرف اکثر حملات سایبری تازه توسعه یافته با کمی جهش در حملات سایبری که قبلا تاسیس شده بود، ایجاد میشود تا یک حمله جدید ایجاد کند؛ که معمولا به عنوان یک ترافیک عادی از طریق شبکه اینترنت اشیا تلقی میشود. در این تحقیق از یک روش مبتنی بر شبکه عصبی کانولوشن ۱۳ لایه ای بر روی پکیج تنسورفلو و کراس برای تشخیص ناهنجاری و بهبود عملکرد آن استفاده شده است. میزان صحت روش پیشنهادی مقدار ۹۸.۶ درصد محاسبه گردید. روش پیشنهادی با ۶ مدل دیگر نیز مقایسه شدند. مقدار معیارهای ارزیابی کلاس بندها نشان از بهبود بسیار خوب روش پیشنهادی در مقابل روشهای دیگر را نشان داد.

کلیدواژه ها:

اینترنت اشیا ، یادگیری عمیق ، شبکه عصبی کانولوشن ، تشخیص حملات سایبری.