توسعه سیستم تشخیص نفوذ در اینترنت اشیا با استفاده از بهینه سازیپارامترهای ماشین بردار پشتیبان توسط الگوریتم های فرا ابتکاری کرکس آفریقایی ،گرگ خاکستری و اهرام جیزا

در این اینترنت. به واسطه تفاوت تجهیزاتIoT ۱ با کامپیوترهای سنتی و تجهیزات رایانشی، چالش های امنیتی متفاوتی برای آن ها وجود دارد.از آنجا که اینترنت اشیاء مستقیما به اینترنت نا امن متصل می شوند.چنین دسترسی عمومی به اینترنت باعث می شود تا لزوم استفاده از سیستم های تشخیص نفوذ را برای اینگونه تجهیزات بیش از بیش نمایان می شود در این پژوهش ما به دنبال روش های جهت بهبود عملکرد سیستم های تشخیص نفوذ در اینترنت اشیا و شبکه های کامپیوتری با در نظر گرفتن ویژگی های خاص آن هستیم. در این پایان نامه سعی خواهد شد با بهره برداری از رویکرد داده کاوی و استفاده از دو مجموعه داده تشخیص نفوذ در اینترنت اشیا و مجموعه داده شبکه های کامپیوتری و استفاده از دوحالت نرمال و حمله ابتدا به تعیین بهترین ویژگی با الگوریتم های نایو بیز، درخت تصمیم ، قواعد القائی ، جنگل تصادفی ، یادگیری عمیق و........ پرداخته سپس با بهینه سازی پارامترهای ماشین بردار پشتیبان با ترکیب الگوریتم فراابتکاری گرگ خاکستری،کرکس آفریقایی و ساخت اهرام جیزا به بالا بردن و بهبود نرخ تشخیص بالاتر و کاهش نرخ هشدار غلط داده در سیستم تشخیص نفوذ با استفاده این طبقه بند می پردازیم. نتیجه حاکی از تاثیر بیشتر الگوریتم فراابتکاری گرگ خاکستری (از۹۳/۶٪ به ۹۹/۷٪ )نسبت به دو الگوریتم کرکس آفریقایی و اهرام جیزه در بهینه سازی این طبقه بند و بهبود کارایی سیستم تشخیص با طبقه بند ماشین بردار پشتیبان دارد

کلیدواژه ها:

سیستم تشخیص نفوذ ، اینترنت اشیا ، الگوریتم های فرا ابتکاری ، گرگ خاکستری ، کرکس آفرقایی ، اهرام جیزا