شناسایی حملات سایبری در شبکه های هوشمند اینترنت اشیاء با استفاده از تکنیک های یادگیری ماشین

امروزه، تقاضا برای استفاده از اینترنت اشیاء به سرعت در حال گسترش بوده و به یکی از محبوب ترین و جذاب ترین فناوری ها در دنیای تجارت تبدیل شده است. با گسترش و توسعه اینترنت اشیاء، سازمان های تجاری و کاربران آن با مشکلات امنیتی متعددی مواجه می باشند. امنیت سایبری خدمات بسیار مناسبی را برای حفظ حریم خصوصی در اینترنت، جلوگیری از نفوذ در ارتباطات تجاری، منع مداخلات در ارائه سرویس و جلوگیری از ارتباطات غیر مجاز به صورت بلادرنگ ارائه می نماید. جهت بهبود امنیت و گسترش استفاده از این فناوری نوظهور، بایستی حفاظت موثر از اکوسیستم اینترنت اشیاء ارتقاء یابد. در این پژوهش، استفاده کارآمد از الگوریتم های یادگیری ماشین برای محفاظت از داده ها و جلوگیری از مخاطرات امنیت سایبری پیشنهاد شده است. در واقع، هدف اصلی در این تحقیق توانایی درک کارآمدی الگوریتم های یادگیری ماشین در مقابله با حملات سایبری با تمرکز بر حملات انکار سرویس (dos) می باشد. ضمن اینکه مشکلات پیاده سازی طرح های امنیتی مرتبط با یادگیری ماشین در سیستم های عملی اینترنت اشیاء مورد بحث و بررسی قرار می گیرد. تمرکز اصلی تحقیق، تامین امنیت توسط الگوریتم های مختلف یادگیری ماشین است که عموما برای تشخیص بلادرنگ حملات برای شبکه های اینترنت اشیاء مورد استفاده قرار می گیرد. مجموعه داده bot-iot به دلیل بازسازی مکرر، قوانین مختلف شبکه و تفاوت گسترده حملات سایبری برای ارزیابی و تخمین قابلیت تشخیص الگوریتم های پیشنهادی استفاده شده است. نتایج بدست آمده با استفاده از الگوریتم های مختلف، نشان میدهد که الگوریتم های یادگیری ماشین دارای قابلیت های خارق العاده ای در شناسایی حملات سایبری در شبکه های هوشمند اینترنت اشیاء دارا می باشند.