ارایه یک سیستم نرم افزاری تشخیص نفوذ به شبکه اینترنت اشیاء با یادگیری ماشین و الگوریتم بیینه سازی عقاب طلایی

شبکه اینترنت اشیاء در عصر مدرن ظهور کرده است و توسعه فناوری های فرآیند کسب وکار جدید را از طریق شبکه ای از رایانه ها و دستگاه هایی که قادر به برقراری ارتباط و تعامل با یکدیگر هستند. را فراهم می کند. از آنحایی که تعداد حملات امنیت سایبری به سیستم های اینترنت اشیاء به سرعت و به طور گسترده افزایش می یابد. لذا طیف گسترده ای از برنامه های کاربردی در معرض حملات به شبکه قرار دارند. اکثر برنامه های اینترنت اشیاء در زمینه های مختلف برای دخیره و پردازش داده ها به رایانش ابری وابسته هستند. امنیت برنامه ها و نرم افزارهای کاربردی یک نگرانی اصلی در مورد محاسبات ابری است زیرا حجم عظیمی از داده های مهم کاربران در لایه ابر نگهداری و پردازش می شود. حملات سایبری به محاسباتو لایه ابری به دلایل مختلفی افزایش یافته است لذا توسعه سیستم های نرم افزاری برای مقابله با حملات از اهمیت زیادی برخوردار است. در این مقاله برای مقابله با حملات در لایه ابر، یک سیستم نرم افزاری برای تشخیص نفوذ در لایه مه ارایه شده است. نقش سیستم تشخیص نفوذ پیشنهادی آن است که گره های مه با پیاده سازی نرم افزار پیشنهادی، حملات را تشخیص داده و مانع اجرای حملات در لایه ابر می شود. سیستم تشخیص نفود پیشنهادی در بتدا با ویژگی های مهم ترافیک شبکه را با الگوریتم عقاب طلایی تشخیص داده و هر گره مه با استفاده از شبکه عصبی چند لایه، ترافیک حملات را تشخیص می دهد. پیاده سازی روش پیشنهادی روی مجموعه داده NSL-KDD نشان می دهد که دقت، حساسیت و صحت روش پیشنهادی در تشخیص حملات به ترتیب برابر ۹۶.۴۴%، ۹۴.۲۷% و ۹۳.۴۱% است. روش پیشنهادی در تشخیص حملات به شبکه اینترنت اشیاء و شهرهای هوشمند دقت بیشتری از روش های مانند الگوریتم بهینه سازیوال، الگوربتم بهینه سازی شاهین و الگوریتم بهینه سازی گرگ خاکستری در ترکیب با شبکه عصبی دارد.

کلیدواژه ها:

سیستم نرم افزاری تشخیص نفوذ ، اینترنت اشیاء ، لایه مه ، شبکه عصبی ، الگوریتم بهینه سازی عقاب طلایی