ارائه راهکاری جهت تشخیص حملات در شبکه های موردی بین خودرویی با بهبود روش گروهی مبتنی بر داده ها

شبکه های موردی، شبکه های بین خودرویی هستند که امروزه کاربرد آنها در حال گسترش است. پویایی بالا و وجود ارتباطات بدون سیم دو ماهیت اصلی و چالش پذیر در این نوع شبکه ها است که باعث شده است تا امنیت و حفاظت به عنوان یکی از بزرگترین چالش حل نشده باقی بماند. تشخیص حملات در شبکه های بین خودرویی میتواند تاثیر بسزایی در کارایی این نوع از شبکه ها داشته باشد و تشخیص به موقع حملات باعث جلوگیری از تلفات جادهای و کنترل ترافیک در آن شود به دلیل قابلیت یادگیری در شبکه های عصبی و توانایی تطبیق پذیری آنها در این مقاله تمرکز بر روی استفاده از شبکه عصبی روش گروهی مدل سازی داده ها در تشخیص حملات در شبکه های موردی بینخودرویی است. برای این منظور پس از جمع آوری داده ها، در مرحله پیش پردازش پس از پاکسازی داده ها و نرمال سازی داده ها، کاهش بعد با الگوریتم تحلیل مولفه های اصلی انجام میشود، در مرحله پسپردازش شبکه عصبی روش گروهی مدلسازی داده های بهبودیافته با الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری تشخیص حملات در شبکه بین خودرویی را انجام میدهد. در جهت مقایسه روش پیشنهادی از شبکه عصبی پرسپترون چندلایه استفاده شده است. نتایج نشان میدهد شبکه عصبی روش گروهی مدلسازی داده ها با میانگین مربعات خطای 0,017 و دقت %98,3 به ازای کل داده ها تشخیص حملات در شبکه بین خودرویی را انجام میدهد.

کلیدواژه ها:

شبکه بین خودرویی ، تشخیص حملات ، شبکه عصبی ، روش گروهی مدلسازی داده ها.