مخاطرات امنیتی در شبکه های اینترنت اشیاء و مقابله با آنها با روشهای هوش مصنوعی

شبکه های اینترنت اشیاء کاربردهای وسیعی در صنایع مختلف همچون شبکه های برق هوشمند دارند. این شبکها معمولا شامل حسگرها و کنتورهای زیادی برای جمع آوری داده از بخشهای مختلف و ارسال این اطلاعات به مراکز تصمیم گیری هستند و به علت وسعت زیادی که دارند شامل دستگاه های مخابراتی متنوع و ناهمگن میباشند. در این شبکه ها ویژگیهای مختلفی دیده میشوند و انبوهی از داده ها که توسط حسگرهای مختلف تولید میشود باید به صورتی امن مراکز کنترلی انتقال داده شوند. در این شبکه ها امنیت و تضمین حفظ حریم خصوصی به اندازه رضایت کاربر مهم و حائز اهمیت است. یکی دیگر از ویژگیهای اصلی شبکه های اینترنت اشیاء بهره گیری از اجزای با مصرف توان کم و کم هزینه است. این محدودیت منابع باعث میشود بسیاری از راه حلهای مسائل امنیتی قابل پیاده سازی در شبکه های دیگر به دلیل نیاز به مصرف توان بالا و انجام محاسبات پیچیده ریاضی در شبکه ها اینترنت اشیاء ممکن نباشد و یکی از چالشهای مهم به حساب می آید. ازآنجاییکه تعداد پارامترها برای بهینه سازی در چنین شبکه هایی بالاست روشهای مبتنی بر هوش مصنوعی مانند یادگیری عمیق میتوانند در دستگاه های اینترنت اشیاء تعبیه و برای حل مسائل و چالشهای امنیتی به کار برده شوند. در این مقاله ابتدا مروری بر چالشهای امنیتی در اینترنت اشیاء و بکارگیری راهکارهای مبتنی بر هوش مصنوعی صورت میگیرد. در ادامه به صورتی روشمند و بر اساس لایه ای استاندارد شبکه های ارتباطی حملاتی که ممکن است در هر یک از آنها صورت گیرد، مورد بررسی قرار خواهد گرفت. حجم بالای داده ها و بررسی حالات مختلفی که برای حملات وجود دارد ازجمله داده های مخرب و غیرواقعی نیاز به محاسبات زیاد و سختافزارهای پیچیدهای دارد که بتواند این محاسبات سنگین را انجام دهد. روشهای یادگیری ماشینی میتوانند به کاهش حالات لازم برای بررسی به منظور رسیدن به همگرایی به سیاست بهینه مورد استفاده قرار گیرند. از اینرو مروری بر کاربردهای روشهای یادگیری ماشینی برای مقابله با حملات مهمی مانند جمینگ، سایبر-فیزیکی، تشخیص و آشکارسازی نفوذ و حفظ اتصال به صورت مبسوط مورد بررسی قرار خواهند گرفت.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشینی ، امنیت ، اینترنت اشیاء ، شبکه های ارتباطی