شماره ركورد كنفرانس :
5280
عنوان مقاله :
بهبود روش هاي تشخيص نفوذ وحملات در شبكه هاي IOT با تركيب تكنيك هاي يادگيري ماشين در چارچوب يادگيري جمعي
پديدآورندگان :
نظامي تفرشي پويا دانشگاه آزاد اسلامي واحد قزوين , زارعي ادريس دانشگاه آزاد اسلامي واحد قزوين
كليدواژه :
اينترنتي اشياء , يادگيري ماشين , يادگيري جمعي
عنوان كنفرانس :
پنجمين كنفرانس ملي فناوريهاي نوين در مهندسي برق و كامپيوتر
چكيده فارسي :
تشخيص حملات و نفوذ به سيستم‌هاي مبتني بر شبكه و به‌خصوص اينترنت اشياء كه يك چارچوب جديد در علم كامپيوتر است، امروزه بسيار موردتوجه قرارگرفته است. عليرغم روش‌هاي متنوعي كه امروزه مطرح‌شده است، اما هركدام نيز داراي محدوديت‌ها و مشكلاتي اعم از بالا بودن خطاي تشخيص، دقت و غيره هستند. ازاين‌رو در اين پژوهش از تركيب روش‌هاي يادگيري ماشين در قالب يك سيستم جمعي، جهت بهبود امنيت در اينترنت اشيا استفاده‌شده است. در اين پژوهش از ديتاست محبوب DARPA جهت تزريق حملات به بستر اينترنت اشياء استفاده‌شده است. با شبيه‌سازي روش پيشنهادي و محاسبه نتايج مشاهده گرديد كه ميزان زمان كشف حمله نسبت بهروش‌هاي Left Energy و Hop و Distance و Child Number و ETSP به ترتيب در حدود 68/1ثانيه، 63/1ثانيه، 6/1 ثانيه، 7/1ثانيه و 43/1 ثانيه، بهبود داشته است.
