کاهش مصرف انرژی در سیستم های مراقبت بهداشتی مبتنی بر اینترنت اشیاء با تجمیع اطلاعات و حفظ امنیت داده ها

شبکه های کامپیوتری نقش مهم و کاربردی در ارتباطات و تبادل داده ها دارند و اشتراک منابع را نیز با سهولت کاملانجام می دهند. امروزه انواع مختلفی از شبکه های کامپیوتری پا به عرصه وجود گذاشته است که یکی از آنها شبکهاینترنت اشیاء است. در اینترنت اشیاء گره های شبکه می توانند هر شی هوشمند باشد و از این نظر این شبکه دارایگره های زیادی است و ترافیک بالایی در این شبکه وجود دارد. اینترنت اشیا دارای ویژگی خاصی است که آن رانسبت به سایر فناوری ها آسیب پذیرتر می کند. گره ها به دلیل اجرای آنها که اغلب در محیط های متخاصم یا خطرناکقرار می گیرند، در برابر حملات مختلف آسیب پذیر هستند. مهاجم همچنین می تواند یک اختلال در شبکه ایجاد کند،داده ها را اصلاح کند و داده هایی را که قبلا منتقل شده است را مجددا پخش کند تا مرکز مراقبت های بهداشتی رامتقاعد کند که یک نتیجه تجمیع شده نادرست را بپذیرد. در این مقاله تمرکز بر روی تشخیص نفوذ مبتنی بر شبکه درسیستم های مراقبت بهداشتی مبتنی بر اینترنت اشیاء برای حفظ امنیت داده ها و کاهش مصرف انرژی با استفاده ازشبکه عصبی پرسپترون چندلایه است. در این پژوهش پس از جمع آوری و آماده سازی داده ها از شبکه عصبیپرسپترون چندلایه آموزش یافته با الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری به عنوان روش پیشنهادی درجهت تشخیص نفوذ در اینترنت اشیاء استفاده می شود و الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری وزن ها وبایاس های نورون ها در لایه های پنهان و خروجی در شبکه عصبی پرسپترون چندلایه تعیین می شود و نتایج باالگوریتم K- نزدیک ترین همسایه بر اساس انواع خطا و معیارهای کارایی استاندارد مورد مقایسه قرار می گیرد. نتایجشبیه سازی نشان از دقت ۹۸.۱% در روش پیشنهادی و عملکرد بهتر در مقایسه با الگوریتم K- نزدیک ترین همسایه دارد.