استفاده از روش؜های داده؜کاوی یه منظور پیش؜بینی حملات در شبکه اینترنت اشیا

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: استفاده از روش؜های داده؜کاوی یه منظور پیش؜بینی حملات در شبکه اینترنت اشیا

ارائه دهنده: Provider: امیرمهدی عاشوری - مهندسی صنایع

اساتید راهنما: Supervisors: دکتر وحید خدا کرمی

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر نفیسه سلیمانی - دکتر امیر سامان خیرخواه

زمان و تاریخ ارائه: Time and date of presentation: ساعت 9 - 1403/11/16

مکان ارائه: Place of presentation: دپارتمان صنایع - کلاس 62

چکیده: Abstract: با گسترش سریع اینترنت اشیا (IoT) و افزایش تعداد دستگاه‌های متصل، امنیت این شبکه‌ها با چالش‌های جدی مواجه شده است. از این رو، تضمین امنیت شبکه‌های IoT یک چالش اساسی محسوب می‌شود. روش‌های سنتی تشخیص نفوذ (IDS) به دلیل محدودیت در پردازش حجم عظیم داده‌ها و ضعف در شناسایی الگوهای پیچیده، دیگر پاسخگوی نیازهای امنیتی این شبکه‌ها نیستند.بدین ترتیب این پژوهش یک چارچوب نوآورانه برای ارتقای عملکرد سیستم تشخیص نفوذ (IDS) معرفی می‌کند که با استفاده از داده‌های گردآوری‌شده از بسترهای گوناگون اینترنت اشیا (IoT) طراحی شده است. این چارچوب از ترکیبی از تکنیک‌های یادگیری عمیق و الگوریتم‌های فراابتکاری بهینه‌سازی برای استخراج و انتخاب ویژگی‌های مؤثر بهره می‌برد. در الگوریتم پیشنهادی از یک شبکه عصبی پیچشی (CNN) به‌عنوان هسته اصلی استخراج ویژگی استفاده شده است. این شبکه بازنمایی‌های بهتر و مرتبط‌تری از داده‌های ورودی در فضای با ابعاد پایین‌تر ایجاد می‌کند.بعد از آن یک مکانیزم انتخاب ویژگی جدید مبتنی بر الگوریتم فراابتکاری MRFOپیشنهاد شده است. این الگوریتم ویژگی‌های موثر را از کل ویژگی‌های استخراج‌شده توسط شبکهCNN انتخاب می‌کند. چارچوب پیشنهادی برروی چهار مجموعه داده‌های استاندارد ارزیابی شد. که در معیارهای طبقه‌بندی عملکرد رقابتی نسبت به سایر روش‌های بهینه‌سازی شناخته‌شده نشان داد. روش ترکیبی پیشنهادی که از شبکه عصبی کانولوشنی (CNN) و الگوریتم بهینه‌سازی MRFO استفاده می‌کند، توانسته است عملکرد سیستم‌های تشخیص نفوذ در محیط‌های IoT را به طور چشمگیری ارتقا دهد. این رویکرد با حذف ویژگی‌های غیرضروری، انتخاب مؤثرترین ویژگی‌ها و بهبود دقت سیستم، توانایی شناسایی حملات سایبری را بهبود می‌بخشد.

فایل: ّFile: دانلود فایل