فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، با توجه به پیچیدگی‌ و پویایی روزافزون حملات در محیط‌های اینترنت اشیاء اجتماعی (SIoT)، یک مدل ترکیبی نوین به نام خودرمزگذار پشته‌ای کرونکر عمیق فازی (Fuzzy DKSA) پیشنهاد شده است. ابتدا داده‌های خام شبکه با استفاده از نرمال‌سازی Z Score به مقیاس یکسان رسانده شدند و سپس از یک شبکه عصبی عمیق (DNN) تقویت‌شده با معیار شباهت گوور برای ادغام ویژگی‌ها بهره گرفته شد. در فاز تشخیص، ساختار شبکه کرونکر عمیق (DKN) با رمزگذار خودکار چندلایه (DSA) همراه با منطق فازی ترکیب شد تا به صورت پویا نسبت به الگوهای متفاوت حمله و شرایط متغیر شبکه واکنش نشان دهد. برای سنجش عملکرد، مجموعه‌داده‌ی N BaIoT با بیش از هفت میلیون نمونه و ده کلاس حمله متنوع مورد استفاده قرار گرفت. نتایج تجربی نشان داد که مدل پیشنهادی با بهبود همزمان دقت (۹۲٪)، معیار ) F1۹۱٪( و دقت پیش‌بینی (۹۱٪)، نسبت به روش‌های مرسوم مانند GAN، MH CNN AM، TM MLA و HAD برتری دارد. این دستاوردها تأکید می‌کنند که ادغام منطق فازی با معماری‌های عمیق می‌تواند عدم قطعیت‌‌های مرتبط با ترافیک شبکه و الگوهای حمله را به‌طور مؤثری مدیریت کند.