فهرست نشریات علمی دسترسی آزاد ایران

اینترنت اشیاء، یک فناوری جدید است که این فناوری از طریق اینترنت با اشیاء پیرامون خود ارتباط برقرار می‌کند و باهدف سنجش و کنترل از راه دور استفاده می‌گردد. در زمینه امنیت شبکه اینترنت اشیاء (IoT)، شناسایی دقیق انواع حملات به این شبکه‌ها که توسط میزبان‌های زامبی تحت کنترل مهاجم راه‌اندازی می‌شوند، اهمیت زیادی دارد. برای کاهش این تهدیدات، به روش‌های جدیدی نیاز است تا حملاتی که دستگاه‌های IoT را به خطر انداخته است، در کم‌ترین زمان ممکن شناسایی و از زیان‌های ناشی از حملات جلوگیری کنند. در این مقاله، یک شبکه عصبی جدید جهت بهبود تشخیص نفوذ به شبکه اینترنت اشیاء بر اساس شبکه عصبی کانولوشنال ALEXNET و الگوریتم بهینه‌سازی میگوی آشوبی به نام (MONANET) پیشنهاد شده است. در شبکه‌ی MONANET به‌منظور بهبود دقت در تشخیص نفوذ به شبکه‌ی IOT و عدم نیاز به تنظیم دستی پارامترها، فراپارامترهای شبکه عصبی با استفاده از الگوریتم میگوی آشوبی به‌صورت پویا انتخاب می‌شوند. مقدار تابع تلفات مجموعه اعتبارسنجی که از اولین آموزش مدل شبکه عصبی با استفاده از مجموعه‌داده Danmini doorbell به دست می‌آید، به‌عنوان مقدار تناسب CKH در نظر گرفته می‌شود. عملکرد جامع شبکه‌ی پیشنهادی و الگوریتم‌های GRU، ANN، SVM،LSTM ،FNN ،R-CNN وAPSO-CNN در پنج شاخص ارزیابی و در 12 اجرای مستقل مقایسه شده‌اند. نتایج به‌دست‌آمده نشان‌دهنده بهبود تشخیص نفوذ به شبکه اینترنت اشیاء است. الگوریتم پیشنهادی توانسته است بادقت 89.99 % حملات به شبکه اینترنت اشیاء را تشخیص دهد. نتایج تجربی برتری روش پیشنهادی را نسبت به سایر روش‌های مرز دانش از نظر بهبود دقت طبقه‌بندی نشان می‌دهد.