تشخیص ناهنجاری در اینترنت اشیاء با استفاده از الگوریتم های ترکیبی خوشه بندی k-means و جنگل ایزوله

اینترنت اشیاء )IOT) یک تکنولوژی نوظهور است که اینترنت و اشیای فیزیکی مربوط به حوزه های مختلف مانند اتوماسیون خانگی،فرآیند صنعتی، نظارت بر سالمت انسان و نظارت بر محیطزیست را ادغام میکند. . امروزه اینترنت اشیاء در زمینه های مختلف زندگی انسان مانند خدمات بهداشتی، خانه های هوشمند، شهرهای هوشمند، سیستم های حمل ونقل هوشمند و شبکه های هوشمند و ارائه خدمات جدید میتواند کیفیت زندگی انسان را بهبود بخشد. همچنین این دستگاه ها میتوانند زندگی ما را ساده تر، امن تر و سالم تر کنند. با توجه به فراگیر شدن اینترنت اشیاء و کاربردهای وسیع آن در زمینه های مختلف، حرکت شتابان به سمت این فناوری دارای اهمیت بسیاری است. لذا نیازمندیهای امنیتی در آن اهمیت زیادی دارد و به یکی از موضوعات بحث برانگیز در این حوزه تبدیل شده است. حملات تهدید جدی برای اینترنت اشیاء محسوب میشود که میزان آن در سال 2019 به حدود 2.9 میلیارد رسیده و همچنان این روند افزایشی ادامه دارد. با توجه به رشد روزافزون فناوری اطلاعات پیشرفت تکنیکهای حمله به طور اساسی افزایش می یابد که نفوذ یکی از تهدیدات اصلی اینترنت اشیاء است؛ بنابراین بهبود و صحت و دقت سیستم و کاهش نرخ هشدار غلط یکی از جنبه های مهم پژوهش در اینترنت اشیاء است.. جهت تأمین امنیت از ابزارهای مختلفی استفاده میشود که تشخیص نفوذ یکی از آنها است. در این مقاله یک رویکرد ترکیبی مبتنی بر خوشه بندیk-means و طبقه بندی جنگل ایزولهIF برای تشخیص ناهنجاری در اینترنت اشیاء ارائه شده است که علیرغم پیچیدگی کم، از دقت بالایی در تشخیص ناهنجاری برخوردار است. نتایج نشان میدهد که تکنیک پیشنهادی میتواند به دقت 97درصدبرسد.