بررسی و تحلیل روشهای ترکیبی احراز هویت و تشخیص نفوذ در اینترنت اشیا با تاکید بر راهکارهای سبک وزن

گسترش سریع اینترنت اشیا (IoT) چالش های امنیتی قابل توجهی را به ویژه به دلیل ماهیت محدود از نظر منابع دستگاه های متصل ایجاد کرده است. احراز هویت و سیستم های تشخیص نفوذ (IDS) دو مکانیزم امنیتی بنیادی هستند که به طور سنتی به صورت جداگانه پیاده سازی می شوند و سربار محاسباتی تکراری را بر گره های IoT تحمیل می کنند. این مقاله یک مرور سیستماتیک بر روش هایی ارائه می دهد که احراز هویت و IDS را در یک چارچوب یکپارچه ترکیب می کنند با تاکید ویژه بر راهکارهای سبک وزن مناسب برای محیط های IoT با منابع محدود. در این مقاله روش های شناسایی شده به چهار دسته اصلی تقسیم می شوند: (۱) مبتنی بر رمزنگاری سبک وزن، (۲) مبتنی بر بلاک چین، (۳) مبتنی بر یادگیری ماشین سبک وزن مانند درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، خطی، و (۴) رویکردهای هیبریدی. یافته ها نشان می دهد که روش های مبتنی بر یادگیری ماشین سبک وزن با میانگین دقت ۹۶.۸ درصد و مصرف انرژی متوسط ۲۲.۵ میلی ژول بالاترین دقت را دارند، در حالی که روش های مبتنی بر رمزنگاری کمترین ردپای حافظه کمتر از ۳۲ کیلوبایت را ارائه می دهند. شکاف های پژوهشی کلیدی شامل نبود مجموعه داده استاندارد برای روش های یکپارچه، نادیده گرفتن تحرک دستگاه و اعتبارسنجی محدود روی سخت افزار واقعی است. این مرور یک دسته بندی شفاف، مقایسه کمی و مسیرهای آینده عملی برای پژوهشگران حوزه راهکارهای امنیتی یکپارچه در IoT ارائه می دهد.

کلیدواژه ها:

اینترنت اشیا ، احراز هویت ، سبک وزن ، سیستم تشخیص نفوذ ، امنیت یکپارچه