سیستم تشخیص نفوذ مبتنی بر ماشین بردار پشتیبان و الگوریتم هوش مصنوعی سالپ در شبکه های اینترنت اشیاء

سیستم تشخیص نفوذ یکی از مسائل مهم در حوزه امنیت شبکه های اینترنت اشیاء(iot) است. در روش های یادگیری ماشین بکار رفته در تشخیص نفوذ در شبکه های بیسیم، روش ماشین بردار پشتیبان به علت آن که میتواند قانون تصمیم جهت طبقه بندی داده هارا در فضایی با ابعاد بزرگ ویژگی و حتی با تعداد نمونه کم بخوبی ایجاد کند ،یک روش کارا است. اما این روش از نظر کارایی به چندین پارامتر حساس است و میتواند کارکرد آن بهبود یابد و یکی از راهکارهای بهبود آن با استفاده از الگوریتم های فرا ابتکاری است. در این پژوهش برای اولین بار به بهبود در روش ماشین بردار پشتیبان برای تشخیص نفوذ در شبکه های اینترنت اشیاء با الگوریتم بهینه سازی سالپ پرداخته می شود. نتایج و ارزیابی مدل پیشنهادی با استفاده از شبکه های مختلف از نظر تعداد گره نشان میدهد که بهبود روش پیشنهادی نسبت به روش پایه) ماشین بردار پشتیبان بدون بهبود پارامتر( درحالتی که گره های مخرب بیشتری در شبکه باشد، بیشتر است و نتایج مدل پیشنهادی با زیاد شدن تعداد گره های شبکه و همچنین تعداد گره های مخرب، دقت تشخیص بالاتری دارد و این بهبود در حدود 1.66 درصد است