یک رویکرد نوین برای سیستم تشخیص نفوذ در اینترنت اشیاء با استفاده از انتخاب ویژگی ترکیبی مبتنی بر همبستگی و الگوریتم بهینه سازی شاهین هریس

با رشد سریع اینترنت اشیاء (IoT)، تعداد دستگاه های متصل به شبکه های مختلف به طور قابل توجهی افزایش یافته است. این دستگاه ها مقادیر زیادی داده تولید می کنند و غالبا در محیط های باز و ناامن مستقر می شوند که آن ها را در معرض حملات سایبری مختلف قرار می دهد. بنابراین، اطمینان از امنیت شبکه های IoT به یک نگرانی اصلی برای محققان تبدیل شده است. یکی از موثرترین روش ها برای حفظ امنیت شبکه، استفاده از سیستم های تشخیص نفوذ (IDS) است. تشخیص نفوذ، داده های ورودی را نظارت و تحلیل می کند تا فعالیت های مشکوک و حملات احتمالی را شناسایی کند. با توجه به محدودیت های منابع دستگاه های IoT و پیچیدگی شبکه ها، بهبود دقت و کارآیی IDS بسیار حائز اهمیت است. هدف اصلی این تحقیق، ارائه یک IDS جدید و بهینه سازی شده برای شبکه های IoT است. یک روش انتخاب ویژگی ترکیبی برای افزایش دقت و کاهش پیچیدگی محاسباتی به کار گرفته شده است که شامل فیلتر کردن مبتنی بر همبستگی و روش های پوششی با استفاده از الگوریتم بهینه سازی شاهین هریس (HHO) می باشد. در این رویکرد، ویژگی های غیرضروری حذف و ویژگی های ضروری برای طبقه بندی انتخاب می شوند. نتایج شبیه سازی نشان می دهد که این روش به دقت ۹۶.۴۶% دست یافته است و در مقایسه با روش های سنتی مانند DT و SVM عملکرد بهتری داشته و نرخ های مثبت کاذب و منفی کاذب را بهبود بخشیده است.

کلیدواژه ها:

اینترنت اشیا ، تشخیص نفوذ ، بهینه سازی ، الگوریتم