سیستم شناسایی بدافزار اینترنت اشیا (IOT) با قابلیت هوش لبه (EI)

با توسعه شبکه های G۵، دستگاه های اینترنت اشیاء به طور فزاینده ای در زمینه های صنعتی و خانگی استفاده می شود.با توجه به ویژگی های معماری چندگانه CPU سیستم دستگاه های اینترنت اشیا، سنتی، مبتنی بر امضاء و روشهای تشخیصمبتنی بر معماری تکی برای شناسایی بدافزارهای متقابل معماری موثر نیستند . برای حل این مشکل، یک بدافزار اینترنت اشیابا معماری متقابل پیشنهاد می شود که سیستم تشخیص مبتنی بر شبکه های توجه گراف )GAT( نام دارد. CFG استخراجشده از فایل اجرایی باینری به عنوان ساختار گراف و Opcode و PSI به عنوان ویژگی ویژگی های گره های گراف استفادهمی گردد. از طریق GAT ، ویژگی های هر گره را در همسایگی و در نهایت تشخیص کامل اختصاص داده می شود . مراحلمختلف آموزشی مربوط به لبه و مرکز ابر برای اجرا و بهبود سیستم عملکرد و حفاظت از حریم خصوصی داده های کاربر بکاربرده می شود. نتایج تجربی par نشان می دهد که دقت تشخیص سیستم به ۹۹.۶۷ درصد می رسد که در مقایسه با روشهای تشخیص موجود،ما بهترین دقت را به دست آورده شد.

Keywords:

تشخیص بدافزار اینترنت اشیا , شبکه های توجه گراف , جاسازی کلمه , روش لبه , سیستم آنلاین