شناسایی نفوذ در اینترنت اشیا با استفاده از تکنیک های ماشین بردار پشتیبان، بیزین، k نزدیکترین همسایه و شبکه عصبی عمیق

اینترنت اشیا فناوری جدیدی است که با گذشت زمان روزبه روز کاراییاش را برای زندگی بشر بیشتر میکند. هرچهنفوذ اینترنت اشیا در زندگی روزمره ما بیشتر میشود به طبع وابستگی ما نیز به آنها گسترش مییابد به طوریکه زمانیخواهد رسید که بدون این فناوری زندگی به سختی ادامه پیدا می کند. از همین رو و با توجه به درجه اهمیت آن وداده هایی که این دستگاه ها یا اشیا در شبکه ای به نام اینترنت در حال انتقال هستند و نیز منابع محدود و سبکی که ایندستگاه ها دارند، در معرض آماجی از حملات و نفوذهای سایبری قرار می گیرند. در این مقاله سعی شده است با استفاده ازتکنیک های یادگیری ماشین و یادگیری عمیق مثل ماشین بردار پشتیبان، K نزدیکترین همسایه، بیزین، و شبکه هایعصبی کانولوشنی روشی را مطرح کنیم که توانسته است نرخ صحت های بالایی را روی مجموعه داده TON_IoT درزمینه سیستم های تشخیص نفوذ کسب کند.