تشخیص حملات پروتکل RPL اینترنت اشیاء با استفاده از سیستم تشخیص نفوذ مبتنی بر الگوریتم یادگیری ماشین

پیش بینی و مقابله با حملات در بستر شبکه های اینترنت اشیاء نیازمند پیاده سازی یک سیستم تشخیص نفوذ بر روی پروتکل RPL است. در این مقاله، یک سیستم تشخیص نفوذ مبتنی بر الگوریتم یادگیری ماشین برای شناسایی حملات متعدد در شبکه های کم اتلاف انرژی مبتنی بر اینترنت اشیاء ارائه شده است. سیستم پیشنهادی از چهار فاز غالب شامل مرحله پیش پردازش داده ها، انتخاب ویژگی، طبقه بندی و تنظیم فراپارامترها تشکیل شده است. در مرحله پیش پردازش، داده ها به گونه ای آماده می شوند که برای ساخت مدل مناسب باشند. در واقع در این مرحله به نرمال سازی داده ها و حذف داده های پرت پرداخته شده است. در مرحله انتخاب ویژگی، سیستم پیشنهادیاز تکنیک طبقه بندی درختان اضافی استفاده کرده و موثرترین ویژگی ها، جهت آموزش به طبقه بندی کننده های یادگیری ماشین داده می شود. در فاز طبقه بندی، از الگوریتم های یادگیری ماشین مختلف استفاده شده و نتایج حاصله نشان می دهد بهترین الگوریتم موجود، الگوریتم جنگل تصادفی بوده و دقتی برابر ۹۱.۳۴% در شناسایی حملات کسب کرده است.