سیستم تشخیص نفوذ مبتنی بر یادگیری عمیق برای تشخیص حملات بات نت اینترنت اشیا

تکثیر دستگاه های اینترنت اشیاء (IoT) تهدید حملات بات نت را افزایش داده است که نیازمند تدابیر امنیتی قوی تری است. در پاسخ به این چشم انداز در حال تحول، سیستم های تشخیص نفوذ مبتنی بر یادگیری عمیق (DL) به عنوان یک رویکرد امیدوارکننده برای شناسایی و کاهش فعالیت های بات نت در محیط های IoT پدید آمده اند. بنابراین، این مقاله به طور جامع به بررسی ادبیات موجود در زمینه شناسایی بات نت در IoT با استفاده از سیستم های تشخیص نفوذ مبتنی بر یادگیری عمیق پرداخته و مجموعه ای از مقالات تحقیقاتی مختلف را تجزیه و تحلیل می کند و یافته ها، روش شناسی ها، پیشرفت ها، کاستی ها و چالش ها را در این زمینه برجسته می سازد. علاوه بر این، ما مقایسه کیفی با نظرسنجی های موجود با استفاده از معیارهای تعریف شده توسط نویسندگان انجام داده ایم تا ویژگی های منحصر به فرد این بررسی را نشان دهیم. در نهایت، این مقاله به عنوان راهنمایی برای محققان آینده عمل کرده و به پیشرفت روش های شناسایی بات نت در محیط های IoT کمک می کند و امنیت در برابر تهدیدات بات نت را ارتقا می دهد

کلیدواژه ها:

سیستم تشخیص نفوذ (IDS) ، بات نت ، یادگیری عمیق ، اینترنت اشیاء (IoT) ، بات نت IoT ، شبکه های عصبی