فاطمه چکنه مضاف - کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه بین المللی امام رضا (ع)

این پژوهش یک چارچوب سبک وزن مبتنی بر اینترنت اشیا را برای شفافیت اطلاعات در تامین مالی زنجیره تامین پیشنهاد می کند. برای این منظور، یک تکنیک تشخیص نفوذ مبتنی بر بهینه سازی برای حفظ حریم خصوصی با کمک اینترنت اشیا در محیط شهر هوشمند ارائه شده است که از مراحل مختلفی از زیر فرآیندها، یعنی پیش پردازش، الگوریتم هوش عقاب طلایی ، شبکه عصبی ژرف و الگوریتم اسب استفاده میشود. برای پیش پردازش، در این مرحله داده های ورودی را به یک فرمت سازگار تبدیل کرده و نویز و داده های ناقص را حذف می کند. الگوریتم هوش عقاب طلایی که در اینجا یک روش انتخاب ویژگی می باشد که به کاهش بعد داده ها و افزایش دقت طبقه بندی کمک می کند. در این مرحله، یک شبکه عصبی ژرف بر روی داده ها اعمال می شود که به تشخیص حملات به دستگاه های اینترنت اشیا با دقت و سرعت بالایی کمک می کند و سپس در این مرحله، یک الگوریتم بهینه سازی گله اسب بر روی داده ها اعمال می شود که به تنظیم پارامترهای شبکه عصبی ژرف با الهام از رفتار اسب ها کمک می کند. نتایج این پژوهش نشان می دهد که تکنیک تشخیص نفوذ مبتنی بر بهینه سازی با استفاده از الگوریتم بهینه سازی اسب و شبکه عصبی ژرف نسبت به روش های موجود دارای دقت، حساسیت، صحت و معیار F۱ بالاتری است. روش پیشنهادی دقت ۹۹.۸۸%، صحت ۹۹.۸۹%، بازخوانی ۹۹.۸۷% و امتیاز F۱ ۹۹.۸۸ % را بر روی مجموعه داده NSL-KDD از خود نشان داده است.

اینترنت اشیاء، شفافیت اطلاعات، سامانه حمل ونقل هوشمند