مروری جامع بر روش های مبتنی بر یادگیری عمیق جهت ارتقای امنیت سامانه های RFID

سامانه های شناسایی با امواج رادیویی (RFID) به دلیل کاربرد گسترده در حوزه هایی مانند زنجیره تامین، مدیریت انبار، سیستم های حمل ونقل هوشمند و اینترنت اشیا به یکی از فناوری های کلیدی در زیرساخت های دیجیتال تبدیل شده اند. با وجود مزایای متعدد، این سامانه ها با چالش های امنیتی قابل توجهی از جمله حملات جعل تگ، شنود، حملات بازپخش و دسترسی غیرمجاز مواجه هستند که می تواند محرمانگی و یکپارچگی داده ها را به خطر اندازد. در سال های اخیر، پیشرفت های قابل توجه در حوزه یادگیری عمیق زمینه استفاده از مدل های هوشمند برای تحلیل الگوهای پیچیده داده و شناسایی رفتارهای غیرعادی در سامانه های RFID را فراهم کرده است. مدل هایی نظیر شبکه های عصبی کانولوشنی، شبکه های بازگشتی، خودرمزگذارها و معماری های عمیق دیگر قابلیت بالایی در استخراج ویژگی های پنهان از داده های سیگنال و ارتباطات رادیویی نشان داده اند. به کارگیری این رویکردها امکان شناسایی دقیق تر تهدیدات امنیتی، بهبود فرایند احراز هویت، و افزایش سطح اعتماد در ارتباطات میان تگ و خوانشگر را فراهم می کند. همچنین تحلیل مطالعات موجود نشان می دهد که استفاده از یادگیری عمیق می تواند نقش موثری در کاهش خطای تشخیص، افزایش دقت سیستم های امنیتی و ارتقای کارایی کلی سامانه های RFID ایفا کند. با توجه به رشد سریع کاربردهای RFID در محیط های هوشمند و متصل، بهره گیری از روش های مبتنی بر یادگیری عمیق به عنوان یکی از رویکردهای نوین برای تقویت امنیت و پایداری این سامانه ها اهمیت فزاینده ای یافته است.

کلیدواژه ها:

RFID ، امنیت اطلاعات ، یادگیری عمیق ، تشخیص حمله ، اینترنت اشیا