ارائه یک روش جدید مبتنی بر الگوشناسی آشوبناک جهت تشخیص نفوذ در اینترنت اشیا مبتنی بر رایانش مه

امنیت، مهمترین بخش در هر شبکه کامپیوتری است. این مسئله از اینترنت اشیا نیز مستثنا نیست. باتوجه به حجم محاسبات و رایانش بالای داده ها در اینترنت اشیا، نیاز به پردازش داده ها در گره هایمتصل نیز می باشد تا حجم محاسبات در سرور کاهش یابد. از این رو، مفهوم رایانش مه و لبه، اهمیتپیدا کرده است. اما مسئله امنیت در همین پردازش های موجود در سطح رایانش مه و لبه نیز بایستیمدنظر قرار گیرد تا محیطی سالم بدون هیچ گونه تهدید و نفوذی در شبکه وجود داشته باشد. از این رو،سیستم های تشخیص نفوذ، وجود دارند که توانایی شناسایی هرگونه عملیات مشکوک را به عهده دارند.در نظر گرفتن یک مجموعه داده که دارای حملات مختلفی باشد تا بتوان یک الگو بین روش پیشنهادیدر سیستم تشخیص نفوذ با آن ویژگی ها در داده برقرار کرد، یک مسئله مهم است. مجموعه داده ای کهاین تحقیق از آن استفاده می کند، NSL-KDD است که دارای حملات مختلفی است، اما مدنظر اینتحقیق حملات محرومیت از خدمات و حالت توزیع شده آن می باشد. برای این منظور، از یک روشالگوشناسی به صورت مدل های آشوبناک استفاده می گردد که برپایه الگوریتمی هوشمند شکل میگیرد. لذا الگوریتم بهینه سازی خفاش با در نظر گرفتن فضای حالت و ساختار اولیه اینترنت اشیا مبتنیبر رایانش مه، شروع به شناسایی حملات مشکوک از الگوی موجود در داده ها می نماید. از ان جا کهحساس بودن به شرایط اولیه از مهمترین بخش های یک مدل آشوبناک است، لذا الگوریتم بهینه سازیخفاش به صورت آشوب ناک در زمان مسیریابی مبتنی بر پروتکل Z-WAVE مدنظر قرار می گیرد.نتایج نشان می دهد که تشخیص نفوذها تا حد بالایی انجام گرفت است و رویکرد پیشنهادی دارای نرخدقت بهترین نسبت به روش های مشابه پیشین است.

کلیدواژه ها:

اینترنت اشیا ، رایانش مه و لبه ، سیستم تشخیص نفوذ ، مدل آشوب ناک ، الگوریتم بهینه سازی خفاش ، پروتکل Z-WAVE