امنیت شبکه های اینترنت اشیاء و رایانش لبه با کمک هوش مصنوعی

اینترنت اشیاء و رایانش لبه به عنوان فناوری های تحول آفرین امکان اتصال گسترده دستگاه ها، پردازش داده ها در نزدیکی منبع و کاهش تاخیر را فراهم کرده اند اما همزمان چالش های امنیتی جدی ایجاد کرده اند. با افزایش سریع تعداد دستگاه های متصل از ۴.۸ میلیارد در سال ۲۰۲۰ به بیش از ۲۰ میلیارد در سال های اخیر حملات سایبری مانند انکار سرویس، جعل هویت، شنود و تزریق کد مخرب امنیت این شبکه ها را تهدید می کنند. روش های سنتی امنیت مانند رمزنگاری ساده و کنترل دسترسی به دلیل محدودیت منابع دستگاه ها، ناهمگونی شبکه و حجم عظیم داده ها ناکارآمد شده اند. هوش مصنوعی به ویژه یادگیری ماشین و یادگیری عمیق، با تحلیل الگوهای داده خام، تشخیص ناهنجاری، شناسایی نفوذ و پیش بینی تهدیدها راه حل های پویا و هوشمند ارائه می دهد. این مقاله به بررسی جامع چالش های امنیتی در لایه های مختلف اینترنت اشیاء و رایانش لبه، نقش هوش مصنوعی در سیستم های تشخیص نفوذ، احراز هویت، امن سازی، بهینه سازی منابع و حفظ حریم خصوصی می پردازد. تکنیک هایی مانند ماشین بردار پشتیبان، جنگل تصادفی، شبکه های عصبی بازگشتی و یادگیری فدرال برای استقرار در لبه شبکه مورد تحلیل قرار گرفته اند. نتایج مطالعات نشان می دهد که مدل های هوش مصنوعی می توانند دقت تشخیص بیش از ۹۵ درصد در برخی سناریوها به دست آورند، هرچند محدودیت هایی مانند مصرف منابع، حملات مخرب به مدل و کمبود داده های باکیفیت وجود دارد. در نهایت جهت گیری های آینده شامل مدل های سبک، ادغام بلاکچین و هوش مصنوعی توضیح پذیر پیشنهاد شده است. این بررسی بر اساس منابع علمی معتبر تدوین شده و هدف آن ارائه مرجعی کامل برای پژوهشگران و متخصصان است.

کلیدواژه ها:

اینترنت اشیاء ، رایانش لبه ، امنیت ، شبکه ، هوش مصنوعی ، تشخیص نفوذ ، یادگیری ماشین