حمید خرم دل - دکترای امنیت ملی، دانشگاه عالی دفاع ملی و تحقیقات راهبردی، تهران، ایران
سعادت صالحی نیا - کارشناس ارشد مدیریت اجرایی، دانشگاه علوم و تحقیقات، بوشهر، ایران
سیدعلی ساداتی - دکتری تخصصی صنایع، دانشگاه آزاد اسلامی، کازرون، ایران
سیدرضا پاکیزه - مربی گروه کامپیوتر، دانشگاه علمی کاربردی، دهدشت، ایران

در این مقاله الگوریتم های یادگیری عمیق، امنیت سایبری اینترنت اشیاء و مدلهای خطر بررسی شده و فرمولهای ریاضی را برای شناسایی بهترین روش جهت ایجاد یک سیستم پویا و خودسازگار برای تجزیه و تحلیل ریسک سایبری پیشبینی شده با پشتیبانی از هوش مصنوعی، یادگیری ماشین و هوش زمان واقعی در محاسبات لبه ارائه شده است. در مقاله حاضر یک رویکرد جدید ریاضی برای ادغام مفاهیم طراحی موتور شناختی، محاسبات لبه ای، هوش مصنوعی و یادگیری ماشین برای تشخیص خودکار ناهنجاری سایبری ارائه شده است. این موتور با استفاده از هوش مصنوعی و یادگیری ماشین تعبیه شده در لبه شبکه های اینترنت اشیاء گامی مؤثر را برای تحقق هوش بی خطر و کاربردی برای تجزیه و تحلیل خطر پیشبینی شده سایبری برداشته است. این مقاله همچنین، تأثیر مصالحه را از نظر پیامدهای ایمنی و پیامدهای ناشی از آن در تأمین سیستم نهایی ارزیابی میکند.

یادگیری عمیق، اینترنت اشیاء، امنیت سایبری، هوش در زمان واقعی، محاسبات لبه.