مروری بر سیستم های تشخیص نفوذ بر پایه یادگیری عمیق در اینترنت اشیا (IoT)

در دنیای امروزی برنامه های رایانشی، شبکه های حسگر توزیع شده نقش مهمی ایفا می کنند، از ابر تااینترنت اشیا. این برنامه ها اغلب با میکروکنترلرهایی مثل حسگرها، محرکها و اتصالات شبکه آدریانوارتباط دارند. دفاع از این شبکه ها نیازمند سیستم های تشخیص نفوذ است که با چالش هایی مواجههستند. سیستم های تشخیص نفوذ از فناوری مبتنی بر تشخیص ناهنجاری استفاده میکنند و بهبود درتشخیص نفوذ با چالش ها و مدیریت منابع داده ناهمگن مواجه هستند. این مقاله، یک مدل یادگیریعمیق فیلتر شده برای تشخیص نفوذ با رویکرد ارتباطات داده ارائه داده است. این مدل شامل پنج مرحلهاصلی است: راه اندازی شبکه های حسگر، تشکیل خوشه با انتخاب سرخوشه، اتصال، تشخیص حمله وکارگزار داده. پیاده سازی شبکه های عصبی پیشرفته و مصنوعی بهبود چشمگیری در تشخیص نفوذ داشتهو دقت ۹۶.۱۲ % را نسبت به الگوریتم غالب ارائه کرده است.

Keywords:

شبکه عصبی یادگیری عمیق فیلتر شده , الگوریتم کی- میانگین اصلاح شده , پروتکل صف بندی پیام پیشرفته , گله فیل ها مبتنی بر پرواز لوی , الگوریتم بهینه سازی