پیشنهاد یک سیستم موثر تشخیص نفوذ نظارت شده برمبنای شبکه ی ترکیبی CNN-LSTM برای خانه های هوشمند مبتنی بر اینترنت اشیاء

سیستم های تشخیص نفوذ در دهه های اخیر برای کمک به شناسایی زودهنگام نفوذها و مشکلات امنیتی بسیار کاربرد دارند.مهمترین مساله برای این سیستم هاء افزایش دقت تشخیص نفوذها می باشد. لذا در این تحقیق، یک IDS مبتنی بر مدل هاییادگیری عمیق برای تشخیص نفوذ در یک محیط های اینترنت اشیاء پیشنهاد شده است. این تحقیق با استفاده از روش های CNN،LSTM و CNN+ LSTM برای افزایش دقت سیستم های تشخیص نفوذ انجام شد. مدل های یادگیری عمیق با استفاده ازمجموعه داده های NSW-NB۱۵ به منظور تعیین الگوهای غیرعادی در این تحقیق پیاده سازی شدند. هیچ روش اد گیری ماشیناضافی در فرآیند انتخاب ویژگی استفاده نشد. روش های یادگیری عمیق می توانند خود به تنهایی انتخاب ویژگیها را انجام بدهند.نتایج تجربی مدل های یادگیری عمیق پیشنهادی نسبت به روش های قبلی توسعه یافته در همان مجموعه داده برتر بود. این نتایجنشان دهنده برتری روش های یاددگیری عمیق در تشخیص رویدادهای غیرعادی در مجموعه داده های بزرگ و پیچیده است.