تجزیه و تحلیل داده‌های امنیتی شبکه با قابلیت تنظیم و مقیاس‌پذیری در اینترنت اشیاء

در سال‌های اخیر، گرایش نسبتا زیادی به رویکردهای مربوط به مسائل امنیتی در زیرساخت اینترنت اشیا و برنامه‌های کاربردی که از یادگیری ماشین و تکنیک‌های یادگیری عمیق استفاده می‌کنند وجود دارد. پیش نیاز چنین رویکردهایی توسعه زیرساخت های مقیاس پذیر برای جمع آوری و پردازش مجموعه داده های مرتبط با امنیت از سیستم ها و دستگاه هایی است که از اینترنت اشیاء استفاده می کنند. در این مقاله راهکارهایی برای جمع‌آوری داده مقیاس‌پذیر و قابل تنظیم برای امنیت اینترنت اشیا مبتنی بر داده را معرفی خواهیم کرد که شامل مجموعه داده‌هایی از عناصر مختلف سیستم‌های اینترنت اشیا، از جمله دستگاه‌ها ، اشیاء هوشمند و بسترهای مجازی اینترنت اشیا خواهد بود. مقیاس‌پذیری زیرساختی شناخته شده است که از ادغام فناوری‌های پیشرفته برای جمع‌آوری، پخش و ذخیره‌سازی داده‌ها در مقیاس بزرگ ناشی می‌شود، در حالی که قابلیت پیکربندی آن به یک رویکرد توسعه‌ یافته برای مدل‌سازی داده‌های امنیتی از انواع سیستم‌ها و دستگاه‌های اینرنت اشیاء متکی است. این رویکرد، نمونه‌سازی و استقرار سیستم‌های جمع‌آوری داده‌های امنیتی را بر روی زیرساخت های پیچیده اینترنت اشیا امکان‌پذیر می‌سازد، که بستری برای استفاده از الگوریتم‌های تحلیلی امنیتی موثر برای شناسایی تهدیدها، آسیب‌پذیری‌ها و الگوهای حمله می باشد.