تشخیص تهدیدهای امنیت سایبری در اینترنت اشیاء با استفاده از رویکرد یادگیری عمیق
- سال انتشار: 1401
- محل انتشار: پنجمین همایش ملی توسعه علوم فناوریهای نوین در مدیریت، حسابداری و کامپیوتر
- کد COI اختصاصی: IVCONF05_012
- زبان مقاله: فارسی
- تعداد مشاهده: 610
نویسندگان
دانشجوی کارشناسی ارشد موسسه آموزش عالی ایرانیان
استادیار موسسه آموزش عالی ایرانیان
چکیده
اینترنت اشیاء IoT سیستم ها، اپلیکیشن ها، منبع ذخیره داد هها و خدماتی را به یکدیگر متصل می کند که ممکن است دروازهجدیدی برای حملات سایبری باشند زیرا آنها به طور مداوم خدماتی در سازمان ارائه می کنند. در حال حاضر حملات سرقتنرم افزار و بدافزار ریسک بالایی از بخطراندازی امنیت اینترنت اشیاء دارند. این تهدیدها ممکن است اطلاعات مهم را سرقت کنندکه متعاقبا منجر به زیان های اقتصادی و تخریب شهرت شوند. ما در این مقاله یک رویکرد یادگیری عمیق ترکیبی پیشنهادکرده ایم تا سخت افزار سرقت شده و فایل های آلوده به بدافزار را در شبکه اینترنت اشیاء تشخیص دهیم. شبکه عصبی عمیقTensorFlow برای شناسایی نرم افزار سرقت شده با استفاده از سرقت کد منبع پیشنهاد می شود. روش های توکن سازی و اندازه گیریویژگی برای فیلتر داده های پرت و همچنین برای تاکید بر اهمیت هر توکن از لحاظ سرقت کد منبع بکار می روند. از این رورویکرد یادگیری عیمق برای تشخیص سرقت کد منبع بکار می رود. مجموع هداده از Google Code Jam (GCJ) جمع آوریمی شود تا سرقت نرم افزار بررسی شود. علاوه بر این، شبکه عصبی پیچشی عمیق برای تشخیص ریسک های مشکوک در شبکهاینترنت اشیاء از طریق نمایش تصویر رنگی بکار می رود. نمونه های بدافزار از مجموعه داده Maling جهت آزمایش به دستمی آیند. نتایج آزمایشی نشان می دهند که عملکرد طبقه بندی راه حل پیشنهادی برای اندازه گیری تهدیدهای امنیت سایبری دراینترنت اشیاء بهتر از روش های مدرن است.کلیدواژه ها
اینترنت اشیاء، داده کاوی، امنیت سایبری، سرقت نرم افزار، تشخیص بدافزار.مقالات مرتبط جدید
- بررسی عددی تاثیر لایه مرزی بر عملکرد انتقال حرارت و افت فشار در مبدل های حرارتی
- Quantitative Insights into G Protein Signaling: A Review of Recent SPR Methodologies and Discoveries
- استفاده از دو الگوریتم رمزنگاری AES و DES در راستای افزایش امنیت اطلاعات در شبکه های حسگر بیسیم
- پیشنهاد الگوریتم های بهینه سازی برای طراحی گراف های پیچیده با استفاده از شبکه های مولد (GAN)
- طراحی و ارزیابی مدل های تحلیلی برای تسریع فرایند های تصمیم گیری در تحلیل داده های بزرگ به کمک تکنیک یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.