پیش بینی و تشخیص نفوذ در شبکه های IOT با استفاده از شبکه های عصبی عمیق چند لایه تماما متصل

توسعه فناوری اطلاعات در دنیای کنونی مزایای زیادی را برای ما به ارمغان آورده است. این توسعه در فضای اینترنت اشیا و افزایش روز افزون حجم داده های در حال انتقال، می تواند مشکلاتی نفوذ در شبکه ها را به همراه داشته باشد. برای پیشگیری از این مشکل سامانه های تشخیص نفوذ یا IDS ها نقش بسیار مهمی در پیشگیری از حملات دارند. از طرفی با توجه به حجم زیاد داده های در حال انتقال در شبکه، ویژگی های زیادی برای بررسی در سیستم های تشخیص نفوذ وجود دارد که موجب کاهش سرعت پردازش و افزایش حجم پردازش ها برای تصمیم گیری در مورد امکان نفوذ در این شبکه ها می شود. این امر موجب تاخیر در تشخیص و عدم تشخیص به موقع جهت پیشگیری خواهد شد. در این مقاله با استفاده از شبکه های عصبی، تلاش شده است است با حذف برخی ویژگی و کاهش حجم سربار پردازشی در سیستم های تشخصی نفوذ این مشکل را حل کرده و سرعت تصمیم گیری در IDS را افزایش دهیم. مجموعه داده ای که برای آموزش و تست استفاده شده است N-BaIOT می باشد. نتایج بدست آمده در فاز شبیه سازی نشان می دهد روش پیشنهادی توانسته است با دقت خوبی حملات را شناسایی نماید.

Keywords:

اینترنت اشیا , نفوذ , تشخیص نفوذ , شبکه عصبی , حملات شبکه