سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق و الگوریتم های فرا ابتکاری برای اینترنت اشیاء
- سال انتشار: 1403
- محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 22، شماره: 76
- کد COI اختصاصی: JR_JME-22-76_006
- زبان مقاله: فارسی
- تعداد مشاهده: 106
نویسندگان
دانش آموخته کارشناسی ارشد مهندسی معماری کامپیوتر، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، ایران
دانشیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، ایران
چکیده
امروزه به خاطر فواید قابل ملاحظه ی اینترنت اشیاء (IoT) در حوزه های مختلف از قبیل خانه های هوشمند، صنایع، خودروها، کشاورزی و ... کاربرد آن بسیار گسترش یافته است. با توجه به این مطلب امنیت این شبکه ها روز به روز مورد توجه بیشتری قرار می گیرد. یکی از روش های تامین امنیت در شبکه ها و همینطور شبکه ی اینترنت اشیاء سیستم های تشخیص نفوذ می باشد. سیستم های تشخیص نفوذ سنتی کارایی مناسبی برای استفاده در شبکه ی اینترنت اشیاء ندارند، لذا استفاده از روش های جدید مورد نیاز است یکی از این روش ها سیستم های تشخیص نفوذ مبتنی بر یادگیری ماشین و یادگیری عمیق هستند که در این حوزه مورد توجه قرار گرفته اند. در یادگیری ماشین و یادگیری عمیق شبکه ی عصبی برای تشخیص الگوهای حمله آموزش داده می شوند. پارامترهای مهمی برای تنظیم شبکه ی یادگیری ماشین وجود دارند که انتخاب مقدار مناسب برای این پارامترها تاثیر فراوانی در دقت سیستم دارد. در این پژوهش روشی ارائه شده است که با استفاده از الگوریتم های فراابتکاری نظیر الگوریتم ژنتیک، بهینه سازی ازدحام ذرات، کلونی زنبور عسل مصنوعی و گرگ خاکستری ابرپارامترهای بهینه برای شبکه ی یادگیری عمیق را یافته و سیستم تشخیص نفوذی براساس این ابرپارامترها ایجاد می شود تا تشخیص نفوذ در شبکه ی اینترنت اشیاء انجام دهد. این روش با استفاده از کتابخانه های Tensorflow و keras پیاده سازی شده و روی مجموعه داده های KDDCup۹۹، UNSW-NB۱۵ و Bot-IoT آزمایش شد. نتایج نشان داد که روش پیشنهادی با دقت بالای ۹۹/۶% می تواند حملات را تشخیص دهد.کلیدواژه ها
یادگیری عمیق, سیستم تشخیص نفوذ, بهینه سازی ازدحام ذرات, گرگ خاکستری, کلونی زنبور عسل مصنوعی, الگوریتم ژنتیکاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.