چارچوبی مبتنی بر بلاک چین برای تشخیص نفوذ هوشمند با قابلیت شناسایی حالات احساسی در محیط های اینترنت اشیاء

امنیت محیط های اینترنت اشیاء (IoT) به دلیل رشد شتابان دستگاه های متصل و حساسیت بالای داده های تبادلی، به یکی از مهم ترین چالش های امنیت سایبری در عصر حاضر بدل شده است. سامانه های سنتی تشخیص و پیشگیری از نفوذ (IDPS) که مبتنی بر رویکردهای امضا و تشخیص ناهنجاری عمل می کنند، به تنهایی پاسخگوی نیازهای امنیتی این محیط های پیچیده نیستند. در این پژوهش، یک چارچوب نوآورانه چندلایه ارائه می گردد که با بهره گیری از طراحی ماژولار، راهکاری جامع برای مقابله با تهدیدات IoT پیشنهاد می دهد. چارچوب پیشنهادی متشکل از هفت ماژول به هم پیوسته است: ۱) ماژول تجهیزات اینترنت اشیاء شامل دوربین های مداربسته و Raspberry Pi جهت جمع آوری و پیش پردازش داده ها؛ ۲) ماژول ادغام داده ها برای یکپارچه سازی اطلاعات از منابع ناهمگون؛ ۳) ماژول تحلیل احساسات مبتنی بر شبکه عصبی کانولوشنی (CNN)؛ ۴) ماژول تشخیص ناهنجاری با استفاده از معیارهای چندگانه؛ ۵) ماژول تصمیم گیری برای انتخاب اقدامات متناسب؛ ۶) ماژول پاسخ گویی جهت اجرای راهکارهای امنیتی؛ و ۷) ماژول بلاک چین برای تضمین صحت، شفافیت و انکارناپذیری داده ها. نوآوری اصلی این چارچوب در یکپارچه سازی سه فناوری کلیدی نهفته است: پردازش هوشمند ویدیو برای استخراج حالات احساسی، هوش مصنوعی برای تحلیل رفتاری و شناسایی ناهنجاری ها، و بلاک چین برای ایجاد شفافیت و قابلیت ممیزی. ارزیابی های تجربی نشان می دهد که این سامانه با دستیابی به دقت ۹۹.۷٪ در شناسایی ناهنجاری ها، به طور معناداری عملکرد بهتری نسبت به سیستم های موجود در معیارهای دقت، فراخوان (recall) و امتیاز F۱ ارائه می دهد. علاوه بر این، رویکرد پیشنهادی زمینه ساز توسعه سامانه های امنیتی مقیاس پذیر و تطبیق پذیر در بستر IoT است.

کلیدواژه ها:

امنیت سایبری ، تشخیص احساسات ، تشخیص نفوذ ، بلاک چین ، سیستم های نظارت امنیتی