افزایش عملکرد امنیتی و پیش بینی و شناسایی حملات مسیریابی در اینترنت اشیا

اینترنت اشیا یا IOT به وسیله فناوری شبکه سنسور و اینترنت، اشیاء روزمره را به دستگاه های هوشمند تبدیل می کند. با استفاده از اینترنت اشیا، افراد قادر به اتصال در هر زمان و با استفاده از هر اتصالی، به منظور بهره برداری از خدمات مختلف هستند. امنیت اینترنت اشیا مسئله مورد بحث و پژوهش قرار دارد که پرچم دار حوزه دیجیتالی شدن و زندگی هوشمند است. این حوزه شامل بسیاری از فعالیت های روزانه ما، مانند خانه های هوشمند، شهرهای هوشمند، وسایل قابل پوشیدن، و سلامت الکترونیک و... می شود. به دلیل فعال بودن دستگاه های IoT در محیط های آسیب پذیر، بسیاری از چالش های امنیتی که برای اینترنت اشیا و پیاده سازی آن ها وجود دارد، باید دقیقا ارزیابی شوند تا اطمینان از امنیت داده و حریم خصوصی اطمینان بخش باشد.بنابراین ما در این مقاله چارچوبی پیشنهاد می کنیم با هدف افزایش عملکرد امنیتی و پیش بینی و شناسایی حملات. در مرحله اول از شبیه ساز کوجا برای تولید مجموعه داده های مسیریابی IoT استفاده شده است. سپس پیش پردازش داده تولید شده با استفاده از سه روش انتخاب ویژگی که شامل وزن بر اساس قانون، و وزن بر اساس اهمیت درخت با استفاده از جنگل تصادفی می باشد، نویز و بیش برازش را کاهش می دهد. مدل پیشنهادی از شبکه عصبی کانولوشن برای شناسایی حملات و پیش بینی مسیریابی IoT استفاده می کند تا ترافیک خطرناک شبکه را شناسایی کند. عملکرد بالای شبکه عصبی کانولوشن با دقت، صحت و نرخ پایین خطا منجر به کاهش مصرف انرژی می شود.