بهبود برقراری امنیت شبکه در اینترنت اشیاء (IoT Security)

گسترش سریع اینترنت اشیاء و اتصال گسترده دستگاه های کم منبع، چالش های امنیتی جدی را در برابر شبکه های IoT ایجاد کرده است. ضعف پروتکل های سبک و استقرار این سامانه ها در محیط های ناامن، امکان بروز حملاتی نظیر شنود، جعل هویت و حملات DoS/DDoS را افزایش می دهد. در این پژوهش، یک چارچوب تشخیص ناهنجاری شبکه با تکیه بر تحلیل آماری و مدل های یادگیری ماشین بدون ناظر ارائه شده است. ابتدا معماری لایه ای اینترنت اشیاء و تهدیدات مرتبط با هر لایه به صورت تحلیلی بررسی می شود و سپس با مدل سازی ریاضی جریان ترافیک، مبنایی برای شناسایی رفتارهای غیرعادی فراهم می گردد. روش پیشنهادی شامل جمع آوری ترافیک در لایه دروازه، استخراج ویژگی های آماری و رفتاری، محاسبه آنتروپی شانون و تشخیص ناهنجاری با استفاده از الگوریتم LOF است. همچنین یک مدل ریاضی جامع برای ترافیک، تهدید و تصمیم گیری ارائه می شود. نتایج تجربی نشان می دهد روش پیشنهادی با افزایش دقت تشخیص و کاهش هشدارهای کاذب نسبت به روش های پایه عملکرد بهتری دارد و برای کاربردهای واقعی IoT مناسب است.

کلیدواژه ها:

اینترنت اشیاء ، امنیت شبکه ، تشخیص ناهنجاری ، تهدیدات امنیتی ، یادگیری ماشین