استفاده از مخاطرات در شبکه های اینترنت اشیاء و مقابله با آن توسط هوشمصنوعی

شبکه های اینترنت اشیاء کاربردهای وسیعی در صنایع مختلف همچون شبکه های برق هوشمنددارند. این شبکه ها معمولا شامل حسگرها و کنتورهای زیادی برای جمع آوری داده از بخش های مختلفو ارسال این اطلاعات به مراکز تصمیم گیری هستند و به علت وسعت زیادی که دارند شامل دستگاه هایمخابراتی متنوع و ناهمگن می باشند. در این شبکه ها ویژگی های مختلفی دیده می شوند و انبوهی ازداده ها که توسط حسگرهای مختلف تولید می شود باید به صورتی امن مراکز کنترلی انتقال داده شوند.در این شبکه ها امنیت و تضمین حفظ حریم خصوصی به اندازه رضایت کاربر مهم و حائز اهمیت است.یکی دیگر از ویژگیهای اصلی شبکه های اینترنت اشیاء بهره گیری از اجزای با مصرف توان کم و کمهزینه است. این محدودیت منابع باعث می شود بسیاری از راه حل های مسائل امنیتی قابل پیاده سازی درشبکه های دیگر به دلیل نیاز به مصرف توان بالا و انجام محاسبات پیچیده ریاضی در شبکه ها اینترنتاشیاء ممکن نباشد و یکی از چالش های مهم به حساب می آید. ازآنجایی که تعداد پارامترها برایبهینه سازی در چنین شبکه هایی بالاست روش های مبتنی بر هوش مصنوعی مانند یادگیری عمیق میتوانند در دستگاه های اینترنت اشیاء تعبیه و برای حل مسائل و چالش های امنیتی به کار برده شوند. دراین مقاله ابتدا مروری بر چالش های امنیتی در اینترنت اشیاء و بکارگیری راهکارهای مبتنی بر هوشمصنوعی صورت می گیرد. در ادامه به صورتی روشمند و بر اساس لایه های استاندارد شبکه های ارتباطیحملاتی که ممکن است در هر یک از آنها صورت گیرد، مورد بررسی قرار خواهد گرفت. حجم بالایداده ها و بررسی حالات مختلفی که برای حملات وجود دارد ازجمله دادههای مخرب و غیرواقعی نیاز بهمحاسبات زیاد و سخت افزارهای پیچیده ای دارد که بتواند این محاسبات سنگین را انجام دهد. روش هاییادگیری ماشینی می توانند به کاهش حالات لازم برای بررسی به منظور رسیدن به همگرایی به سیاستبهینه مورد استفاده قرار گیرند. از این رو مروری بر کاربردهای روش های یادگیری ماشینی برای مقابله باحملات مهمی مانند جمینگ، سایبر-فیزیکی، تشخیص و آشکارسازی نفوذ و حفظ اتصال به صورتمبسوط مورد بررسی قرار خواهند گرفت

Keywords:

هوش مصنوعی , یادگیری ماشینی , امنیت , اینترنت اشیاء , شبکه های ارتباطی