سمیه نوروزی - دانشجوی دکتری، گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد ارومیه، ارومیه، ایران
کامبیز مجیدزاده - استادیار،گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد ارومیه، ارومیه، ایران

افزایش روز افزون دستگاه های متصل به شبکه اینترنت اشیاء باعث شد تا تهدیدات و خطرات احتمالی در این نوع شبکه ها بیش از هر چیز مورد توجه قرار گیرد. وجود خطرات و تهدات مختلف در فضای شبکه اینترنت باعث شد راهکارهای متنوعی جهت تامین امنیت این شبکه ها مانند حفاظت از داده ها، رمزنگاریف مخابرات امن، سنسورها و الگوریتم های رمزنگاری ارائه گردد. از حوزه هایی که می تواند در تشخیص ناسازگاری و حملات در یک شبکه کامپیوتری و توسعه سیستم تشخیص نفوذ نقش بالقوه ای داشته باشد یادگیری عمیق می باشد. اگرچه راه حل های مبتنی بر یادگیری عمیق در سال های اخیر به طور مکرر برای تشخیص نفوذ شبکه مورد استفاده قرار گرفته اند، هنوز پتانسیل قابل توجهی برای بهبود دقت و عملکرد را دارند. مدل پیشنهادی از پنج مرحله راه اندازی شبکه های حسگر، تشکیل خوشه علاوه بر انتخاب سر خوشه، اتصال، تشخیص حمله، و کارگزار داده تشکیل شده است. که برای تشخیص نفوذ، عملکرد بهتری نسبت به شبکه عصبی یادگیری عمیق موجود و شبکه عصبی مصنوعی داشت. نتایج تجربی، نتیجه بهتری از دقت %۹۶.۱۲ نسبت به الگوریتم های غالب نشان داد.

اینترنت اشیاء، سیستم تشخیص نفوذ، یادگیری عمیق، سرور ابری