راهکارهای پایدار امنیت سایبری برای شهرهای هوشمند: معماری های غیرمتمرکز و کارآمد از نظر منابع

رشد سریع شهرهای هوشمند که با بهره گیری از فناوری های اینترنت اشیا (IoT) امکان پذیر شده است، نیاز به راهکارهای امنیت سایبری قدرتمند، مقیاس پذیر و بهینه از نظر مصرف انرژی را افزایش داده است. با وابستگی روزافزون سامانه های شهری به شبکه های عظیم حسگرها و تجهیزات لبه، تضمین ارتباطات امن و پایدار به یکی از چالش های اساسی تبدیل شده است. این پژوهش چارچوبی برای «راهکارهای پایدار امنیت سایبری» ارائه می کند که بر معماری های غیرمتمرکز و کارآمد از نظر منابع، با هدف بهینه سازی مصرف انرژی در سازوکارهای امنیتی محیط های هوشمند، تاکید دارد. در این تحقیق، مدلی با عنوان «سامانه هوشمند و امن مبتنی بر رایانش لبه» یا ISEC پیشنهاد شده است که اینترنت اشیای سبز، رایانش لبه و هوش مصنوعی را با یکدیگر ادغام می کند تا انتقال داده ای امن و با تاخیر کم فراهم شود. در این مدل، از مجموعه داده مربوط به شبکه های اینترنت اشیا و رایانش لبه در شهرهای هوشمند استفاده شده است. در مرحله پیش پردازش، نرمال سازی امتیاز استاندارد یا Z-score برای استانداردسازی ویژگی ها و بهبود عملکرد مدل اعمال می شود. پس از آن، از روش تحلیل تفکیک خطی یا LDA برای استخراج ویژگی ها استفاده می شود تا ضمن به حداکثر رساندن اطلاعات تفکیک پذیر و کاهش ابعاد داده، دقت تشخیص نیز افزایش یابد. این چارچوب از یک مدل یادگیری عمیق با عنوان «حافظه بلند-کوتاه مدت دوسویه پشته ای مبتنی بر بهینه ساز کلونی موریانه» یا TCO-Stacked BiLSTM بهره می گیرد. این مدل وظیفه شناسایی مسیرهای بهینه و پیش بینی تهدیدهای احتمالی را بر عهده دارد و امکان تشخیص و مقابله بلادرنگ با تهدیدها را در سراسر شبکه فراهم می کند. رایانش لبه با انتقال فرایندهای پردازشی به نقاطی نزدیک تر به گره های اینترنت اشیا، پردازش را به صورت غیرمتمرکز انجام می دهد و از این طریق، تاخیر و مصرف انرژی را کاهش می دهد. مدل ISEC با بهره گیری از این ساختار، از ایجاد گلوگاه های پردازشی در سامانه های متمرکز جلوگیری می کند. در نتیجه، این مدل نوعی معماری کارآمد از نظر منابع را ارائه می دهد که میان امنیت، توان پردازشی و مصرف انرژی توازن برقرار می کند. حسگرهای کم مصرف نیز از طریق پروتکل های مسیریابی بهینه شده و سازوکارهای امنیتی سبک وزن پشتیبانی می شوند. این راهکارها بار پردازشی و سربار ارتباطی شبکه را کاهش می دهند. نتایج تحلیل های آزمایشگاهی نشان می دهد که مدل پیشنهادی TCO-Stacked BiLSTM از نظر معیارهای دقت، صحت، بازخوانی و امتیاز F۱، عملکردی در بازه ۹۴ تا ۹۸ درصد دارد. همچنین، این مدل موجب کاهش مصرف انرژی و تاخیر، افزایش گذردهی شبکه و بهبود چشمگیر قابلیت اطمینان می شود. این یافته ها بیانگر عملکرد کارآمد، کم تاخیر و منبع آگاه مدل پیشنهادی در شبکه های اینترنت اشیای شهرهای هوشمند هستند و کارایی و مقیاس پذیری آن را تایید می کنند. در مجموع، راهکار پیشنهادی چارچوبی پایدار، امن و آگاه از محدودیت منابع ارائه می دهد که با نیازهای شهرهای هوشمند مدرن و زیرساخت های دیجیتال شهری آینده سازگاری بالایی دارد.

کلیدواژه ها:

امنیت سایبری ، شهرهای هوشمند ، انرژی و پایداری ، اینترنت اشیا (IoT) ، رایانش لبه ، حافظه بلند- کوتاه مدت دوسویه پشته ای مبتنی بر بهینه ساز کلونی موریانه (TCO-Stacked BiLSTM)