استفاده از هوش مصنوعی در تشخیص نفوذ در اینترنت اشیاء (IoT)

گسترش روزافزون اینترنت اشیاء و اتصال طیف وسیعی از تجهیزات هوشمند به شبکه های ارتباطی، زمینه شکل گیری زیرساخت هایی را فراهم کرده است که در کنار مزایای فراوان، با تهدیدهای امنیتی متنوع و پیچیده ای مواجه هستند. محدودیت منابع پردازشی و انرژی در بسیاری از تجهیزات اینترنت اشیاء، ناهمگونی دستگاه ها، حجم زیاد داده های تولیدشده، تغییرپذیری الگوهای ترافیکی و ظهور حملات ناشناخته، موجب شده است روش های سنتی تشخیص نفوذ به تنهایی پاسخ گوی نیازهای امنیتی این محیط نباشند. در این میان، هوش مصنوعی و به ویژه یادگیری ماشین و یادگیری عمیق، با قابلیت تحلیل حجم زیادی از داده ها، شناسایی الگوهای رفتاری و تشخیص ناهنجاری ها، ظرفیت قابل توجهی برای ارتقای سامانه های تشخیص نفوذ در اینترنت اشیاء ایجاد کرده اند. پژوهش حاضر با هدف بررسی نقش و کارکرد هوش مصنوعی در تشخیص نفوذ در اینترنت اشیاء و تحلیل ظرفیت ها، مزایا و محدودیت های آن انجام شده است. روش پژوهش توصیفی تحلیلی و مبتنی بر مطالعه و بررسی منابع و پژوهش های مرتبط در حوزه امنیت اینترنت اشیاء، یادگیری ماشین، یادگیری عمیق و سامانه های تشخیص نفوذ است. یافته های پژوهش نشان می دهد که استفاده از الگوریتم های هوشمند می تواند دقت شناسایی حملات، سرعت تحلیل ترافیک و توانایی کشف رفتارهای غیرعادی را افزایش دهد. همچنین، کاهش ویژگی های غیرضروری داده، استفاده از شبکه های عصبی عمیق، پردازش توزیع شده در لبه و مه و بهره گیری از مدل های سازگار با محدودیت منابع، از عوامل مهم در افزایش کارایی سامانه های تشخیص نفوذ محسوب می شوند.

کلیدواژه ها:

هوش مصنوعی ، اینترنت اشیاء ، تشخیص نفوذ ، امنیت شبکه ، یادگیری ماشین ، یادگیری عمیق ، تشخیص ناهنجاری ، امنیت سایبری ، شبکه های هوشمند ، تحلیل ترافیک