مروری بر جدیدترین تکنیک های یادگیری عمیق در امنیت اینترنت اشیا

امروزه فناوری در تمامی حوزههای زندگی بشر نفوذ کرده و رشد روزافزونی داشته است. اینترنت اشیا امکان ارتباط و تعامل دستگاه های مختلف و همچنین مدیریت دستگاه های موجود درشبکه از راه دور را، فراهم مینماید اما همچنان شبکه اینترنت اشیا در برابر نقض های امنیتی آسیب پذیر بوده و با توجه به ماهیت پویا و توزیع شده اینترنت اشیا، طراحی یک مدل امنیتی مناسب چالش برانگیز است. یادگیری عمیق که شاخه ای از یادگیری ماشین می باشد، نتایج امیدوارکننده ای برای تشخیص نقض های امنیتی نشان داده است و سیستم های تشخیص نفوذ مبتنی بر یادگیری عمیق نسبت به رویکردهای امنیتی مبتنی بر سایر الگوریتم های یادگیری ماشین دقت و کارایی بالاتری داشتهاند. این مقاله به جمع آوری رویکردهای اخیر در زمینه امنیت اینترنت اشیا مبتنی بر یادگیری عمیق پرداخته و یک طبقه بندی از مزایا و محدودیت های راه حلهای اخیر و همچنین شرح مختصری از روش های مربوطه ارائه داده است و میتواند به تفکر محققان برای مطالعات آینده در این زمینه، جهت دهد.

deep learning in iot security

today, technology has penetrated into all areas of human life and has grown day by day. the internet of things provides the possibility of communication and interaction of different devices as well as remote management of the devices in the network, but still the internet of things network is vulnerable to security breaches and designing a suitable security model is challenging due to its dynamic and distributed nature. deep learning, which is a branch of machine learning, has shown promising results for detecting security breaches, and intrusion detection systems based on deep learning have higher accuracy and efficiency than security approaches based on other machine learning algorithms. . this article has collected the recent approaches in the field of internet of things security based on deep learning and has presented a classification of the advantages and limitations of the recent solutions as well as a brief description of the relevant methods. it can guide to orientate the researchers for future studies in this field.