IDS ترکیبی مبتنی بر توجه برای اینترنت اشیا: ادغام پردازش سیگنال RF و یادگیری تقویتی عمیق در برابر حملات روز صفر

این پژوهش یک چارچوب نوین تشخیص نفوذ مبتنی بر یادگیری تقویتی عمیق را برای شبکه های اینترنت اشیا ارائه می دهد که سه نوآوری کلیدی دارد: ۱. معماری هوشمند D۳QN با مکانیزم توجه پویا که با AUC=۰.۹۹۲، دقت تشخیص را ۷.۲% نسبت به روش های پیشرفته موجود بهبود بخشیده است. ۲. پردازش چندمدی همزمانسیگنال های RF و ترافیک شبکه در سه لایه فیزیکی، شبکه و تلفیق، که امکان شناسایی ۸ کلاس حمله از جمله Mirai و Bot-IoT را با دقت ۹۹.۴% فراهم می کند. ۳. سیستم پاسخگویی سلسله مراتبی با تاخیر ۸.۵ms که همراه با مکانیزم های تحریم هوشمند، نرخ هشدارهای نادرست را ۴۲% کاهش داده است. مزیت های کلیدی این سیستم شامل مصرف انرژی بهینه (۳.۲ وات)، انطباق با استاندارد IEC ۶۲۴۴۳-۴-۲ و قابلیت شناسایی همزمان انواع حملات Zero-Day می باشد. نتایج تجربی روی دیتاست های معیار نشان دهنده برتری چشمگیر این روش در محیط های IoT با منابع محدود است.

کلیدواژه ها:

امنیت IoT ، حملات Zero-Day ، یادگیری تقویتی عمیق (DRL) ، سیستم تشخیص نفوذ (IDS) ، پردازش سیگنال شبکه