یک سیستم تشخیص حملات به شبکه شهرهای هوشمند و اینترنت اشیاء با الگوریتم بهینه سازی وال و یادگیری عمیق
Publish place: The 7th International Conference on Global Studies in Computer, Electrical, and Mechanical Engineering
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ENPMCONF07_031
تاریخ نمایه سازی: 23 تیر 1403
Abstract:
اینترنت اشیاء عصر مدرنی را آغاز کرده است که در آن شبکه ای از رایانه ها و دستگاه هایی که قادر به تعامل و تعامل با یکدیگر هستند، فناوری های فرآیندهای تجاری جدید را به پیش می برند. افراد و شرکت ها طیف وسیعی از مسائل مربوط به اعتبار اجرا، تامین مالی و عملیات تجاری را در نتیجه حملات گسترده و افزایش سریع امنیت سایبری به سیستم های IoT تجربه کرده اند. شبکه اینترنت اشیاء به دلیل استفاده از اشیایی با منابع محدود مستعد انواع حملات است و هر یک از اشیاء بکار رفته در آن می تواند یک عامل حمله و بات نت در نظر گرفته شود. یک رویکرد کاربردی برای مقابله با حملات بکارگیری سیستم های تشخیص نفوذ هوشمند و کارآمد است. نقش سیستم تشخیص نفوذ تحلیل ترافیک شبکه و تشخیص الگوی حملات و گزارش حملات به دیوار آتش است. یک سیستم تشخیص نفوذ در این مقاله برای اینترنت اشیاء معرفی می شود به گونه ای که توانایی یادگیری عمیق و هوش گروهی را استفاده می کند. در روش پیشنهادی از الگوریتم بهینه سازی وال برای انتخاب ویژگی و از شبکه عصبی LSTM برای طبقه بندی ترافیک شبکه استفاده می شود. آزمایشات انجام شده روی مجموعه داده NSL-KDD نشان می دهد که دقت، حساسیت و صحت روش پیشنهادی به ترتیب برابر ۹۸.۸۶ %، ۹۸.۶۴% و ۹۸.۵۲% است. روش پیشنهادی نسبت به روشهای انتخاب ویژگی از جمله الگوریتم شاهین, الگوریتم گرگ خاکستری و الگوریتم بهینه سازی عقاب طلایی در تشخیص حملات دارای دقت بیشتری است.
Keywords:
اینترنت اشیاء , سیستم تشخیص نفوذ , حملات به شبکه , انتخاب ویژگی , الگوریتم بهینه سازی وال , یادگیری عمیق , شبکه عصبی LSTM
Authors
صادق یاوری
کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد یزد
کمال میرزائی
استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یزد