مرور سیستمهای تشخیص نفوذجدید مبتنی بریادگیری عمیق برای شبکه های اینترنت اشیاء

با توسعه سریع تجهیزات الکترونیکی مصرفی کم هزینه و رایانش ابری ، دستگاههای اینترنت اشیاء به طور گستردهای برای پشتیبانی از سیستم های توزیع شده نسل بعدی مانند شهرهای هوشمند و سیستم های کنترل صنعتی مورد استفاده قرار می گیرند. دستگاههای اینترنت اشیاء به دلیل محیط باز استقرار و قابلیت های محاسباتی محدود برای کنترلهای امنیتی سخت ، اغلب مستعد حملات سایبری هستند. از این رو، سیستم های تشخیص نفوذ به عنوان یکی از راههای موثر برای ایمن سازی شبکه های اینترنت اشیاء با نظارت و شناسایی فعالیت های غیرعادی ظاهر شده اند. با این حال، رویکردهای سیستم های تشخیص نفوذ موجود بر روی سرورهای متمرکز تکیه دارند تا پروفایل های رفتاری را ایجاد کرده و ناهنجاری ها را شناسایی کنند که باعث زمان پاسخگویی بالا و هزینه های عملیاتی زیادی می شود. به سربار ارتباط علاوه بر این ، به اشتراکگذاری دادههای رفتاری در یک محیط شبکه اینترنت اشیاء باز و توزیع شده ممکن است الزامات حریم خصوصی دستگاه را نقض کند. علاوه بر این ، دستگاههای مختلف اینترنت اشیاء تمایل به گرفتن دادههای ناهمگن دارند که آموزش مدلهای رفتاری را پیچیده می کند.

Keywords:

شبکه های اینترنت اشیاء , سیستم های تشخیص نفوذ , یادگیری عمیق