تشخیص حملات منع سرویس توزیع شده در دستگاه های اینترنت اشیا با استفاده از شبکه عصبی پیچشی

در این مقاله، به بررسی استفاده از مدلهای شبکه های عصبی کانولوشنی برای تشخیص حملات در ترافیک شبکه می پردازیم. هدف اصلی این تحقیق،معرفی راه حل های مناسب برای تشخیص حملات به شبکه ها و دستگاه های مربوط به اینترنت اشیا است. برای ارزیابی عملکرد مدل پیشنهادی، ازمجموعه داده UNSW-NB۱۵ استفاده شده است. در ابتدا، داده ها پیش پردازش و ویژگی های مهم استخراج میشوند. سپس، مدل شبکه ی عصبیکانولوشنی بر روی این داده ها آموزش داده میشود. نتایج آزمایشها نشان میدهد که مدل شبکه عصبی پیچشی بادقت بالای ۹۷ ٪ قادر به تشخیصحملات است و عملکرد بسیار خوبی دارد. این نتایج نشان می دهد که استفاده از مدل های یادگیری عمیق، به ویژه شبکه های عصبی کانولوشنی، میتواندبهبود قابل توجهی در امنیت شبکه های اینترنت اشیا ایجاد کند. به طور خلاصه، استفاده از مدلهای شبکه های عصبی کانولوشنی به عنوان روشی قویبرای تشخیص حملات در ترافیک شبکه مورد بررسی قرار گرفته است. این روش، امکان بهبود امنیت شبکه های اینترنت اشیا را فراهم میکند و میتواندبه عنوان یک راهکار موثر در حوزه امنیت شبکه مورداستفاده قرار گیرد.

Keywords:

تشخیص حملات , مدل CNN , یادگیری عمیق , ترافیک شبکه , اینترنت اشیا