ارائه یک سیستم ترکیبی تشخیص نفوذ مبتنی بر یادگیری عمیق برای شبکه های اینترنت اشیا
محل انتشار: دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF07_009
تاریخ نمایه سازی: 18 فروردین 1403
چکیده مقاله:
اینترنت آشیا به عنوان یک فناوری شبکه جدید شامل مجموعه ای از تجهیزات فیزیکی مانند قطعات الکترونیکی، نرمافزار و حسگر می باشد. باتوجه به توسعه اینترنت اشیا در صنایع مختلف منجر شده است که حجم انبوهی از داده تولیدشود و با تنوع و هوشمندی که در رفتارهای حمله سایبری رخ داده است سیستم های تشخیص نفود سنتی دیگر برایمواجهه با حجم انبوهی از داده ها مناسب نیستند. بادگیری عمیق زمان قابل توجه ای را برای پردازش داده های با ابعادبالا صرفه جویی کرده است. مدل پیشنهادی ترکیبی از معماری شبکه باقیمانده (Resnet)، حافظه کوتاه مدت دوجهته (Bilstm) برای استخراج ویژزگی های مکانی و زمانی ترافیک شبکه و ترکیب شبکه عصبیکانولووشنال (CNN) و تحلیل مولفه اصلی هسته ای (kpca) برای استخراج ویژگی های حمله و شناسایی و طبقهبندی حملات درنظر میگیرد. همچنین از معماری شبکه باقیمانده (Resnet) برای استخراج ویژگی فضایی و ازحافظه کوتاه مدت دو جهته (Bilstm) برای استخراج ویژگی زمانی بکار رفته است که بتواند به صورت موازی اینویژگی ها را استخراج کند و شبکه عصبی کانولووشنال (CNN) برای انجام شناسایی و طبقه بندی حمله در نظرگرفته شده است. در نهایت با استفاده از ویژگی های استخراج شده امکان تشخیصT طبقه بندی حملات در حجمآنبوهی از داده ها ممکن می شود.
کلیدواژه ها:
نویسندگان
نازنین راستی خداوردی لو
دانشجوی ارشد کامپیوتر، نرم افزار، موسسه آموزش عالی آپادانا، شیراز
سیدابراهیم دشتی
دانشکده برق و کامپیوتر، واحد جهرم، دانشگاه آزاد اسلامی