شناسایی حملات محروم سازی از سرویس توزیع شده مبتنی بر یادگیری عمیق در اینترنت اشیاء

تحقیقات اخیر در حوزه فناوری عصر جدیدی به نام اینترنت اشیاء را به وجود آورده است. این فناوری نوین امکان اتصال اشیاء مختلف به شبکه اینترنت از جمله گوشیهای هوشمند ابزارهای آموزشی هوشمند و شهرهای هوشمند را فراهم کرده است. ایجاد محیط های هوشمند علاوه بر به وجود آوردن امکانات متنوع با چالشها و مسائل جدیدی در دنیای دیجیتال همراه شده و با تهدیدهای امنیتی متعددی مواجه است حمله نقض سرویس توزیع شده یکی از مهمترین حملات در حوزه امنیت شبکه است. در این راستا مجموعه داده BOT-IoT موثر موجود برای آموزش و آزمایش اطمینان سیستم همراه با انواع دسته ها و زیر دسته های مختلف حمله استفاده شده است. در پیشینه ی پژوهش رویکردهایی برای مقابله با عدم تعادل طبقات بهینه سازی بردار ویژگی و بهبود نتایج طبقه بندی توصیه کردند در این پژوهش یک رویکرد تشخیص وضعیت امنیت شبکه ی اینترنت اشیاء بسیار موثر برای طبقه بندی داده ها ارائه میشود. روش پیشنهادی با پیش پردازش داده های ورودی استخراج نمونه های نماینده انتخاب ویژگیهای موثر بردار بهینه ورودی را برای پیش بینی مهیا میکند زیر مجموعه بهینه علاوه بر کاهش زمان مدل سازی قابلیت تعمیم پذیری روی نمونه های جدید را دارد. نتایج ارزیابی شبکه عصبی عمیق ۱۲ لایه روی بردار بهینه، دقت ۹۹٫۹۷۳ صحت طبقه ی مثبت ۹۹٫۹۷ میانگین هارمونیک ۹۹٫۹۸ و جامعیت کامل را نشان میدهد.