تشخیص حملات سایبری با تکیه بر الگوهای هوش مصنوعی (بررسی موردی: حملات بات نت اینترنت اشیا)

در عصر کنونی مجرمان سایبری و نفوذگران با آلوده کردن شبکه های کامپیوتری و تکیه بر بدافزار برای به خطر انداختن دستگاه های اینترنت اشیا و انجام اقدامات خرابکارانه، حملات بات نت اینترنت اشیا را انجام می دهند. مجرمان سایبری با به دست آوردن دسترسی از راه دور و کنترل دستگاه های آلوده با بدافزار، فعالیت های غیرقانونی را انجام می دهند. با توجه به گسترش اینترنت اشیا و رشد تصاعدی دستگاه ها و تجهیزات آن، اتخاذ استراتژی های مناسب و امنیتی اجتناب ناپذیر است. رویکردهای مختلفی برای تشخیص حملات بات نت اینترنت اشیا پیشنهاد شده است. اما در این مقاله با ترکیب شبکه های عصبی کانولوشنی و ماشین بردار پشتیبان و استفاده از رویکرد آموزش گروهی مدلی جدید برای تشخیص حملات بات نت ارائه شد. بررسی نتایج شبیه سازی نشان می دهد که مدل ارائه شده، حملات بات نت در تجهیزات اینترنت اشیا را با دقت ۱۰۰ درصد تشخیص می دهد.

Keywords:

بات نت , اینترنت اشیا , یادگیری عمیق , ماشین بردار پشتیبان , آموزش گروهی.