مروری برروشهای شناسایی بات نت در شبکه های اینترنت اشیا با استفاده از یادگیری عمیق

با گسترش روزافزون دستگاههای متصل به اینترنت اشیا (IoT)، امنیت این شبکهها به یکی از چالشهای اساسی تبدیل شده است. یکی از تهدیدات جدی برای شبکههای IoT ، باتنتها هستند که می توانند به دستگاههای متصل حمله کرده و از آنها برای انجام فعالیتهای مخرب استفاده کنند. بات نتها (Botnets) به عنوان یکی از مهمترین تهدیدات امنیتی در شبکههای اینترنت اشیا (IoT) شناخته می شوند که با استفاده از دستگاههای آلوده، حملات مخربی مانند حملات DDoS را اجرا می کنند. با گسترش سریع IoT و افزایش تعداد دستگاههای متصل به اینترنت، نیاز به روشهای کارآمد برای شناسایی و مبارزه با بات نتها احساس می شود. در این مقاله، به مروری جامع بر رویکردهای مبتنی بر یادگیری عمیق برای شناسایی بات نت در محیطهای IoT پرداخته می شود. یادگیری عمیق به دلیل قابلیت استخراج خودکار ویژگیها و عملکرد بالا در برابر دادههای پیچیده، به عنوان یک روش موثر برای تشخیص فعالیتهای مشکوک در شبکهها مطرح است. ما در این مقاله، روش های مختلف تشخیص بات نت مبتنی بر مدلهای یادگیری ماشین و یادگیری عمیق را مورد تحلیل قرار می دهیم. نتایج نشان می دهد که مدلهای یادگیری عمیق قادرند با دقت بالا فعالیتهای بات نت را از ترافیک شبکه معمولی تشخیص دهند. با این حال، چالشهایی مانند کمبود دادههای آموزشی، مصرف منابع محاسباتی بالا، و مقاومت نسبت به حملات ضد تشخیص همچنان وجود دارد.

کلیدواژه ها:

بات نت ، اینترنت اشیا ، یادگیری عمیق ، شبکههای عصبی ، امنیت شبکه