ارائه روشی مبتنی بر تشخیص ناهنجاری به منظور کشف حمالت باتنتهای gafgyt و mirai در شبکههای اینترنت اشیاء

با ظهور و فراگیر شدن گوشیهای هوشمند و خدمات اینترنتی همیشه متصل، همراه با ابزارهای صنعتی و علمی از راه دور، اینترنت اشیا )iot )متولدشد. از زمانی که کامپیوترها برای اولین بار به یکدیگر متصل شدند، نرم افزارهای مخرب نیز بوجود آمدند و امنیت سایبری یک چالش امنیتی رایج اینترنت اشیاءگردید. در حال حاضر فقدان امنیت در دستگاههای اینترنت اشیاء سبب به خطر افتادن تعداد زیادی از دستگاهها و زیرساخت های آن چه به صورت تهدیداتدرونی چه بیرونی، شده است. حملات به زیرساخت اینترنت اشیاء و نفوذ به آن، منجر به سرقت داده، ضرر مالی، بی ثباتی یا حتی آسیب فیزیکی به دستگاه هامیشود. باتنت شبکه ای از دستگاههای محاسباتی ربوده شده توسط بدافزار است که میتواند از راه دور توسط مهاجمی به نام بات مستر کنترل شود. بات مستردستوراتی را به شبکه بات ارسال می کند و به آن دستور می دهد تا تعدادی از وظایف مختلف ، منجمله حمالتی مانند انکار سرویس توزیع شده )ddos، )انتشار هرزنامه ، دستور انتشار، آلوده کردن دستگاه های بیشتر و... را انجام دهد. در این پژوهش با استفاده از فرآیند داده کاوی در نرم افزار weka و استفادهاز 5 الگوریتم پیش پردازش )الگوریتمهای cfs، pso، pca، gr ، ig ،)شبیه سازی های متفاوتی به طور مجزا بر روی 5 الگوریتم )bayes naïve،j48، rf، rt، svm )صورت پذیرفت. در نهایت نیز از روش ترکیبی رای گیری اکثریت )حالت اول : رای گیری اکثریت با سه روش درخت تصمیم -rtj48-rf ؛ و حالت دوم: رای گیری اکثریت با j48- svm ) و همچنین روش ترکیبی دسته بند آدابوست )ترکیب آدابوست با الگوریتم های bayes naïve،j48، rf، rt، svm )برای شناسایی باتنت های اینترنت اشیاء استفاده گردید.