کنترل دسترسی مبتنی بر ویژگی در اینترنت اشیاء با رویکرد یادگیری ماشین

هر اینترنت اشیاء در سال های اخیر بسیار موردتوجه پژوهشگران بوده است. یکی از مسائل مهم دراین حوزه مسئله ی امنیت و کنترل دسترسی است. هر شیء در یک شبکه اشیاء می تواند با دیگر اشیاء موجاود ارتباط برقرار کند و ازآنجایی که در برخی شبکه ها تنوع گره ها و هویت افراد موجود بسیار بالاست، طبعا باید پروتکل های ایمنی برای کنترل سطوح دسترسی اشیاء تعریف شود. در این مقاله یک روش کنترل دسترسی مبتنی بر ویژگی در اینترنت اشیاء معرفی شده است که در آن امکان دسترسی به هر شیء توسط الگوریتم های یادگیری ماشین کنترل می شود. نتایج نشان می دهند که روش پیشنهادی برای شبکه های بزرگ نیز به خوبی قابل استفاده بوده و در این تحقیق الگوریتم های مختلف طبقه بندی شامل شبکه های عصبی مصنوعی چندلایه MLP، نایو بیازین نایو بیزین NB، کا نزدیک تری همسایه KNN ماشین بردار پشتیبان SVM ودرخت تصمیم DT آزمایش شدند. برای ارزیابی روش پیشنهادی یک مجنوعه داده ای از کنترل دسترسی های سابق، با 1000 رکورد تولیدشده و روش های مختلاف یادگیر ی ماشین روی این مجموعه بررسی شده و از بین این روش ها، الگوریتم درخت تصمیم با دقت 97 درصد، بیشترین دقت را در مقایسه با دیگر الگوریتم ها داشت

کلیدواژه ها:

کنترل دسترسی مبتنی بر ویژگی ، اینترنت اشیاء ، یادگیری ماشین ، شبکه اشیاء