شناسایی حمله های توزیع شده در اینترنت اشیا با استفاده از روش یادگیری عمقی

امنیت اینترنتی یکی از مهم ترین موضوعات برای تمام بخش های فضای اینترنتی می باشد زیرا تعداد حمله های امنیتی به مرور زمان در حال افزایش می باشد. اکنون کاملا مشخص شده است که تعداد حمله های روز صفر در حال افزایش می باشد زیرا پروتکل های مختلفی در فضای اینترنتی افزوده شده اند که عموما از اینترنت اشیا (IoT) سرچشمه می گیرند. بیشتر این حمله ها، نمونه هایی کوچک از حمله های اینترنتی است که از پیش شناخته شده اند. این موضوع نشان می دهد که حتی مکانیزم های پیشرفته مانند سیستم های یادگیری ماشینی متداول ، در زمینه ی شناسایی این جهش های کوچک در نوع حمله ها در مرور زمان، با مشکل رو به رو هستند. در طرف دیگر، موفقیت روش یادگیری عمیق (DL) در زمینه های مختلف با داده های گسترده، موجب شده است که فعالان در زمینه ی فضای اینترنتی به این روش ها علاقه مند بشوند. استفاده از DL بسیار کاربردی بوده است زیرا این روش ها موجب بهبود CPU و ابعاد الگوریتم های شبکه های عصبی می شوند. استفاده از DL برای شناسایی حمله در فضای اینترنتی، می تواند یکی از روش های قوی برای شناسایی جهش های کوچک و یا حمله های جدید باشد زیرا این روش ها توانایی استخراج ویژگی بسیار قوی ای دارند. ظرفیت های خود آموزی و فشردگی در معماری شبکه های یادگیری عمیق ، مهم ترین مکانیزم های کشف الگوهای پنهان از داده های تمرینی می باشد تا این شبکه ها بتوانند حمله های اینترنتی را نسبت به جریان عادی ترافیک، تفکیک کنند. هدف این تحقیق استفاده از یک روش جدید یادگیری عمیق برای زمینه های امنیت اینترنتی می باشد تا بتوان حمله های اینترنتی در شبکه های اجتماعی اینترنت اشیا را شناسایی کرد. عملکرد این مدل یادگیری عمیق با روش های یادگیری متداول ماشینی مقایسه شده و توانایی آن ها برای شناسایی توزیع شده ی حمله ها در مقایسه با سیستم های شناسایی مرکزی، ارزیابی شده است. آزمایش ها نشان می دهد که سیستم توزیع شده ی شناسایی حمله که ما ارائه کرده ایم، نسبت به سیستم های شناسایی مرکزی با استفاده از مدل های یادگیری عمیق، عملکرد بهتری دارند. همچنین در این مقاله نشان داده شده است که مدل های یادگیری عمیق نسبت به دیگر روش های غیر عمقی، عملکرد بهتری دارد.

شناسایی حمله های توزیع شده در اینترنت اشیا با استفاده از روش یادگیری عمقی Keywords:

امنیت اینترنتی , یادگیری عمقی , اینترنت اشیا , شبکه های ابری گسترده ( رایانش در مه) , شهر های هوشمند