احمد مجید مظلوم - دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران
عبدالوهاب احسانی راد - استادیار، گروه کامپیوتر، دانشکده فنی و مهندسی، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران

یکی از مهمترین چالش ها در استفاده از این شبکه ها، تامین امنیت ارتباطات ایجاد شده بین دستگاه هایمختلف متصل شده به این شبکه می باشد. برای این منظور در این مقاله یک مکانیسم موثر تشخیصناهنجاری مبتنی بر شبکه عصبی عمیق و کشف قوانین انجمنی برای شبکه اینترنت اشیا پیشنهاد می کندکه الگوهای پیچیده ارزشمندی را از جریان های شبکه اینترنت اشیا به طور موثر یاد می گیرد تا ترافیک را به عنوان عادی و غیرعادی طبقه بندی کند. روش پیشنهادی بر روی مجموعه داده های جدید IoT- Botnet۲۰۲۰ آزمایش شده است. نتایج تجربی برتری مدل پیشنهادی را در مقایسه با سایر روش های DL با نشان دادن دقت تشخیص ۹۹.۰۱ درصد با نرخ هشدار نادرست ۳.۹ درصد نشان می دهد که نشان دهنده بهبود ۰.۵۷-۲.۶ درصد از نظر دقت پیش بینی یا تشخیص است.

حملات اینترنتی، اینترنت اشیا، قوانین انجمنی، یادگیری عمیق