سیستم تشخیص نفوذ مبتنی بر ماشین بردار پشتیبان و الگوریتم هوش جمعی سالپ در شبکه های اینترنت اشیا

تشخیص نفوذ یکی از مسائل مهم در حوزه امنیت شبکه های اینترنت اشیا (IOT) است. در روش های یادگیری ماشین بکار رفته در تشخیص نفوذ در شبکه های بیسیم، روش ماشین بردار پشتیبان بعلت آنکه می تواند قانون تصمیم جهت طبقه بندی داده ها را در فضایی با ابعاد بزرگ ویژگی و حتی با تعداد نمونه کم بخوبی ایجاد کند، یک روش کارا است. اما این روش از نظر کارایی به چندین پارامتر حساس است و می تواند کارکرد آن بهبود یابد و یکی از راهکارهای بهبود آن با استفاده از الگوریتم های فراابتکاری است. در این پژوهش برای اولین بار به بهبود در روش ماشین بردار پشتیبان برای تشخیص نفوذ در شبکه های اینترنت اشیا با الگوریتم بهینه سازی سالپ پرداخته می شود. نتایج و ارزیابی مدل پیشنهادی با استفاده از شبکه های مختلف از نظر تعداد گره نشان می دهد که بهبود روش پیشنهادی نسبت به روش پایه (ماشین بردار پشتیبان بدون بهبود پارامتر) در حالتی که گره های مخرب بیشتری در شبکه باشد، بیشتر است و نتایج مدل پیشنهادی با زیاد شدن تعداد گره های شبکه و همچنین تعداد گره های مخرب، دقت تشخیص بالاتری دارد و این بهبود در حدود ۱.۶۶ درصد است.

Keywords:

شبکه های اینترنت اشیا , سیستم تشخیص نفوذ , روش هوش جمعی سالپ , ماشین بردار پشتیبان