بهبود روش های تشخیص نفوذ وحملات در شبکه های IOT با تر کیب تکنیک های یادگیری ماشین در چارچوب بادگیری جمعی

تشخیص حملات و نفوذ به سیستم های مبتنی بر شبکه و به خصوص اینترنت اشیاء که یک چارچوب جدید در علم کامپیوتراست، امروزه بسیار موردتوجه قرارگرفته است. علیرغم روش های متنوعی که امروزه مطرح شده است. اما هرکدام نیز دارایمحدودیت ها و مشکلاتی اعم از بالا بودن خطای تشخیص. دقت و غیره هستند. ازاین رو در این پژوهش از ترکیب روش هاییادگیری ماشین در قالب یک سیستم جمعی. جهت بهبود امنیت در اینترنت اشیا استفاده شده است. در این پژوهش از دبتاستمحبوب DARPA جهت تزریق حملات به بستر اینترنت اشیاء استفاده شده است. با شبیه سازی روش پیشنهادی و محاسبه نتایجمشاهده گردید که میزان زمان کشف حمله نسبت به روش های Left Energy و Hop و Distance و Child Number و FTSP به ترتیب در حدود ۱/۶۸ ثانیه، ۱/۶۳ ثانیه، ۱/۶ ثانیه، ۱/۷ ثانیه و ۱/۴۳ ثانیه، بهبود داشته است.

کلیدواژه ها:

ابنترنتی اشیا ، یادگیری ماشین ، یادگیری جمعی