یک رویکرد ترکیبی برای افزایش امنیت و تشخیص حمله در اینترنت اشیاء بااستفاده از شبکه های عصبی کانولوشن و الگوریتم رمزنگاری بهبودیافته

با افزایش تعداد دستگاه های اینترنت اشیا، امنیت آنها به موضوعی بسیار نگران کننده تبدیل شده است.اقدامات امنیتی ضعیف، مهاجمان را قادر میسازد به دستگاه های اینترنت اشیا حمله کنند. تجزیه وتحلیل گسترده ای در مورد تشخیص حمله انجام شده است، با این حال، هنوز یک موضوع داغ در زمینهIoT است. هدف از این کار افزایش نرخ تشخیص به موقع و دقت تشخیص حمله است. سیستم تشخیصنفوذ از شبکه های عصبی ترکیبی پیچیده برای شناسایی حملات اینترنت اشیا در یک شهر استفاده میکند. چنگال برای انتخاب ویژگی ها (fs) استفاده می شود. پس از آن، طبقه بندی کننده هایی که ازبهینه سازی هایی برای شناسایی حملات اینترنت اشیا استفاده می کنند، برای ارزیابی پیاده سازی می شوند.الگوریتم (KH-AES (Krill Herd Advanced Encryption Standard)) برای امنیت بیشتردر تبادل داده ها استفاده می شود. در این تحقیق از مجموعه داده NSL-KDD برای پیاده سازیIDS استفاده شده است. داده ها بر اساس شش نوع حمله رایج و ناشناخته طبقه بندی شدند: U۲R ،DoS ، R۲L ، Probing . طرح پیشنهادی با رویکردهای رایج از نظر FS ، طبقه بندی و امنیت اشتراکداده که در آن مشخص شده است، نتایج قابل تحسینی را به همراه دارد.

Keywords:

رویکرد تشخیص حمله , شبکه عصبی پیچشی , آنتروپی , رمزگذاری پیشرفته گله کریل (KHAES)