چارچوب امنیتی هوشمند مبتنی بر هوش مصنوعی در اینترنت اشیا و شبکه های حسگر بیسیم

گسترش شتابان اینترنت اشیا (IoT) و شبکه های حسگر بیسیم (WSN) به عنوان زیر ساختهای کلیدی در شهرهای هوشمند، سلامت دیجیتال و سامانههای صنعتی در کنار مزایای گسترده سطح حمله را به طور چشمگیری افزایش داده و آنها را به اهدافی جذاب برای مهاجمان سایبری تبدیل کرده است. محدودیتهای ذاتی این شبکه ها از جمله توان پردازشی و انرژی، محدود ناهمگونی گرهها و ماهیت توزیع شده کارایی راهکارهای امنیتی سنتی را با چالش جدی مواجه ساخته و نیاز به رویکردهای هوشمند سبک وزن و سازگار با شرایط پویا را برجسته می کند. در این پژوهش یک چارچوب امنیتی هوشمند و چندلایه مبتنی بر هوش مصنوعی برای تشخیص و پیش بینی تهدیدات در محیط های IoT و WSN ارائه میشود که با رویکردی داده محور قادر به تحلیل بلادرنگ رفتار شبکه و شناسایی الگوهای پیچیده حملات است. در هسته این چارچوب ترکیبی هدفمند از الگوریتم های یادگیری عمیق و یادگیری ماشین شامل مدل های نظارت شده و بدون نظارت به کار گرفته شده است تا ضمن کشف ناهنجاری ها وابستگی به داده های برچسب خورده کاهش یابد و امکان شناسایی حملات ناشناخته (Zero-day) فراهم شود. همچنین با بهره گیری از مکانیزم های استخراج ویژگی هوشمند و کاهش بعد هزینه محاسباتی سیستم بهینه سازی شده و امکان استقرار در گره های با منابع محدود فراهم می گردد. از نوآوری های کلیدی این تحقیق می توان به طراحی معماری سلسله مراتبی تشخیص تهدید، ادغام تحلیل ترافیک شبکه با تحلیل رفتار گره ها و استفاده از یادگیری تطبیقی برای به روزرسانی مستمر مدل ها در مواجهه با تهدیدات نوظهور اشاره کرد. چارچوب پیشنهادی نه تنها قادر به تشخیص دقیق انواع حملات رایج نظیر DoS، حملات سیبیل (Sybil) و جعل هویت است، بلکه با بهره گیری از تحلیل الگوهای زمانی مکانی توانایی پیش بینی روند تهدیدات و ارائه هشدارهای پیش دستانه را نیز داراست. نتایج ارزیابی تجربی بر روی مجموعه داده های معتبر و سناریوهای شبیه سازی شده نشان می دهد که روش پیشنهادی در مقایسه با رویکردهای مرجع بهبود قابل توجهی در دقت تشخیص، نرخ کشف حملات و کاهش خطای مثبت کاذب داشته و در عین حال، سربار محاسباتی و مصرف انرژی را در سطحی بهینه حفظ می کند. این توازن میان کارایی امنیتی و بهره وری منابع چارچوب ارائه شده را به گزینه عملی و مقیاس پذیر برای پیاده سازی در محیط های واقعی تبدیل می سازد. در مجموع این مقاله با ارائه یک راهکار جامع، تطبیق پذیر و مبتنی بر هوش مصنوعی گامی موثر در جهت ارتقای تاب آوری امنیتی زیرساخت های اینترنت اشیا و شبکه های حسگر بیسیم برداشته و می تواند مبنایی برای توسعه نسل آینده سامانه های دفاعی هوشمند در اکوسیستم های متصل باشد.

کلیدواژه ها:

اینترنت اشیا (IoT) ، شبکه های حسگر بیسیم (WSN) ، تشخیص نفوذ مبتنی بر هوش مصنوعی ، یادگیری ماشین و یادگیری عمیق ، تشخیص ناهنجاری ، امنیت سبک وزن ، حملات Zero-day