شناسایی حملات پیشرفته G۵ و IoT با استفاده از شبکه های عصبی عمیق

توسعه سریع ۵G و اینترنت اشیا چالش های امنیتی پیچیده ای ایجاد کرده است. در این پژوهش، چارچوبی هیبریدی و مبتنی بر شبکه های عصبی عمیق، حافظه بلند مدت کوتاه و رمزگذار-رمزگشا طراحی شد تا حملات ناهنجاری های مکانی-زمانی را با دقت بالا شناسایی کند. ارزیابی با داده های واقعی و سنتزی نشان داد مدل به دقت بالای ۹٪ و نرخ مثبت کاذب زیر ۲٪ دست یافته است. این رویکرد ضمن ارتقای سامانه های تشخیص نفوذ کلاسیک، افق جدیدی برای امنیت پیشرفته اکوسیستم های متصل ۵G/ اینترنت اشیاء مبتنی بر یادگیری عمیق فراهم می سازد.

Keywords:

شبکه های G۵ , اینترنت اشیا , حملات پیشرفته , امنیت سایبری , شبکه های عصبی کانولوشنی