مروری بر روشهای هوشمند تشخیص نفوذ در اینترنت اشیاء با تاکید بر یادگیری ماشین و الگوریتم های بهینه سازی

ایران با رشد چشمگیر فناوری اینترنت اشیاء و کاربردهای گسترده آن در حوزه های مختلف نظیر، سلامت، حمل و نقل، کشاورزی هوشمند و صنعت چالش های امنیتی مرتبط با این فناوری نیز افزایش یافته است. یکی از مهمترین مسائل امنیتی در این حوزه، شناسایی و مقابله با نفوذهای مخرب در شبکه های IoT است. سیستم های تشخیص نفوذ به عنوان یکی از موثرترین ابزارها برای شناسایی حملات سایبری نقش کلیدی در تقویت امنیت این محیط های ناهمگون و توزیع شده ایفا می کنند. با توجه به محدودیت منابع، ساختار متنوع دستگاه ها و تنوع الگوهای حمله در شبکه های IoT، رویکردهای سنتی پاسخگوی نیازهای کنونی نیستند. در سال های اخیر بهره گیری از روش های یادگیری ماشین و یادگیری عمیق به منظور ارتقای دقت، سرعت و هوشمندی در تشخیص نفوذ توجه زیادی را به خود جلب کرده است. در کنار آن الگوریتم های بهینه سازی الهام گرفته از طبیعت نیز در انتخاب ویژگی های موثر و تنظیم پارامترهای مدل های یادگیری نقش موثری دارند. این مقاله مروری به تحلیل جامع روش های تشخیص نفوذ در IoT با تاکید بر رویکردهای هوشمند پرداخته و عملکرد الگوریتم های مختلف از منظر دقت، کارایی و پیچیدگی مقایسه شده است. همچنین چالش های فعلی شامل کمبود داده های برچسب خورده، محدودیت منابع، مقیاس پذیری، و حملات روز صفر بررسی شده اند.

Keywords:

اینترنت اشیا , تشخیص نفوذ , یادگیری ماشین , الگوریتم های بهینه سازی