تشخیص فعالیت های غیرعادی در شبکه های اینترنت اشیاء با استفاده از سیستم استنتاج عصبی-فازی تطبیقی

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 236

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CELCONF04_050

تاریخ نمایه سازی: 21 اسفند 1403

چکیده مقاله:

به طور کلی اینترنت اشیاء اشاره به شبکه ای دارد که در آن بسیاری از وسایل و اشیاء پیرامون ما به شبکه اینترنت متصل شده و با استفاده از برنامه های موجود در تلفن های هوشمند کنترل و مدیریت می شوند. اینترنت اشیاء فناوری نوین می باشد که ارتباطات در آن فراتر از ارتباط انسان با انسان و ماشین با ماشین می باشد. اینترنت اشیا تکنولوژی نسبتا جدیدی است که آینده درخشانی را در زمینه اشیاء هوشمند رقم می زند. با استفاده از این تکنولوژی می توان اشیاء و دستگاه های مختلفی را به هم متصل کرده و به جای نظارت شخصی بر آن ها، از نظارت هوشمند سیستم های کامپیوتری بر روی آن ها بهره گرفت. یکی از معضلات استفاده از چنین سیستم هایی نفوذ افراد غیرمجاز به سیستم و استفاده از اطلاعات آن یا انجام دستکاری های غیرمجاز در آن است. این قابلیت باعث می شود تا داده های موجود توسط افراد غیرمجاز مورد دسترسی قرار گرفته و انجام خرابکاری در این شبکه ها ممکن گردد. لذا در این مقاله فرایند تشخیص نفوذ در اینترنت اشیاء با سیستم عصبی فازی تطبیقی بررسی شده و نتایج حاصل از آن با برخی از سایر روش های موجود در این زمینه مقایسه شده است. در پژوهش حاضر جهت تشخیص فعالیت های غیرعادی در شبکه های اینترنت اشیاء، ۵ ویژگی از ترافیک های شبکه در دستگاه های اینترنت اشیاء است و متغیر خروجی شامل فعالیت های غیرعادی در شبکه های اینترنت اشیاء تحت عنوان Normal، DoS، DDoS، Scan و Data Theft موجود در پایگاه داده BoT-IoT جهت پیاده سازی سیستم استنتاج عصبی-فازی تطبیقی، جمع آوری و آماده سازی شد. جهت تشکیل سیستم استنتاج عصبی-فازی تطبیقی ۷۰ درصد داده ها برای آموزش و ۳۰ درصد داده ها برای تست به صورت تصادفی انتخاب شدند.

کلیدواژه ها:

اینترنت اشیا ، نفوذ اینترنت اشیا ، سیستم استنتاج عصبی-فازی تطبیقی

نویسندگان

وحید حق ویردی نیا

دانشجوی دکتری، مهندسی کامپیوتر، دانشگاه آزاد اسلامی-واحد علوم و تحقیقات

محمد فرجی مهماندار

استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد پرند