ارزیابی تشخیص حمله توزیع شده در اینترنت اشیاء با استفاده از یادگیری عمیق

امنیت سایبری همچنان یک مسیله جدی برای هر بخش در فضای مجازی است . بدیهی است که به علت اضافه شدن پروتکل های مختلف از اینترنت اشیاء (IoT)، هزاران حمله روز صفر به طور مداوم در حال ظهور هستند. اکثر این حملات، انواع کوچکی از حملات سایبری هستند که قبلا شناخته شده است. این نشان می دهد که حتی برای مکانیسم های پیشرفته مانند سیستم های یادگیری ماشین سنتی تشخیص این جهش های کوچک از حملات در طول زمان دشوار است. استفاده از Deep Learning به دلیل بهبود CPU وجنبه های الگوریتم شبکه عصبی و تشخیص حمله در فضای سایبری و ایجاد منافع چندگانه در عرصه های امنیت سایبری می تواند یک مکانیزم انعطاف پذیر برای جهش های کوچک یا حملات جدید باشد. این پژوهش با هدف به کار گیری یادگیری عمیق، در امنیت سایبری برای شناسایی حملات در اینترنت اشیاء انجام می شود. عملکرد مدل عمیق در مقایسه با روش یادگیری ماشین سنتی، و تشخیص حمله توزیع شده در برابر سیستم تشخیص متمرکز ارزیابی می شود. نتیجه آزمایش ها نشان می دهد که سیستم تشخیص حمله توزیع شده با استفاده از مدل یادگیری عمیق نسبت به سیستم های تشخیص متمرکز برتر است. همچنین مدل عمیق در تشخیص حمله موثرتر است.

ارزیابی تشخیص حمله توزیع شده در اینترنت اشیاء با استفاده از یادگیری عمیق Keywords:

یادگیری عمیق , اینترنت اشیاء , شبکه های مه , آموزش , تست