سیستم تشخیص و پیشگیری از نفوذ مبتنی بر تکنیک های یادگیری ماشین برای محیط های اینترنت اشیاء

اینترنت اشیاء در چند دهه اخیر استفاده گسترده ای در تمامی ابعاد زندگی انسانها پیدا کرده است و همهروزه شمار افراد و سازمانهایی که از این تکنولوژی استفاده می کنند، افزایش می یابد. این تکنولوژیزندگی انسانها را آسانتر کرده و با ترکیب با تکنولوژی های مختلف دیگری مانند تکنولوژی های ارتباطی(از قبیل Wi-Fi ، اینترنت و...) ایجاد ارتباط بین اشیای مختلف و مبادله داده ها و اطلاعات بین آنها راامکان پذیر نموده است. یکی از بزرگترین چالشها در استفاده از اینترنت اشیاء مشکلات امنیتی متعددیاست که می تواند داده ها و اطلاعات کاربران را تهدید نماید. سیستم های تشخیص نفوذ از جمله سیستمهایی هستند که توسط محققان برای شناسایی نفوذهای انجام شده توسط هکرها پیشنهاد شده است. دراین سیستم ها محققان با استفاده از تکنیک های داده کاوی، یادگیری ماشین، هوش مصنوعی و ... اقدام بهتشخیص نفوذها می نمایند. با وجود تحقیقات متعدد انجام شده دقت سیستم های تشخیص نفوذ موجوددر حد قابل قبولی نیست. لذا انجام تحقیقات جدید ضروری است. در این تحقیق، یک مدل ترکیبیجدید مبتنی بر روشهای تشخیص نفوذ متناسب با سیستم های هوشمند، یک تکنیک پیشگیری مبتنیبر یادگیری ماشین و روشهای تشخیص سوء استفاده بر اساس الگوهای پروفایل رفتار کاربر پیشنهادشده است. نتایج بدست آمده از پیاده سازی و ارزیابی روش پیشنهادی نشان داد که، روش پیشنهادی دراین تحقیق، محافظت بیشتری برای سیستم های هوشمند ارائه میدهد و از لایه شبکه پشتیبانی می کند.این روش تمام درخواست هایی که از لایه شبکه می آیند را بررسی میکند و ناهنجاری ها را از پروفایل هایکاربر تشخیص میدهد. ناهنجاری ها با نظارت بر تعداد درخواست ها برای رویدادهای خاص و مدت زمانیک فعالیت شناسایی و تجزیه و تحلیل خواهند شد.

کلیدواژه ها:

سیستم تشخیص نفوذ (IDS) ، سیستم پیشگیری از نفوذ (IPS) ، تکنیک های یادگیری ماشین ، اینترنت اشیاء ، ناهنجاری ها