فهرست نشریات علمی دسترسی آزاد ایران

امنیت سایبری در اینترنت اشیاء1 یک حوزه حیاتی در فناوری اطلاعات و ارتباطات است که به دلیل پیچیدگی و ماهیت پویای سامانه‏های اینترنت اشیاء با چالش‌های مهمی مواجه است. یکی از مسائل اولیه در این زمینه، تشخیص ناهنجاری‌ها و حمله‏های سایبری پیچیده است که از پیچیدگی‌های ساختاری و رفتارهای غیرقابل‌پیش‌بینی دستگاه‌های متصل‌به‌هم نشئت می‌گیرد. این تهدیدهای امنیتی می‌توانند به‌شدت بر یکپارچگی سامانه، عملکرد و محرمانه بودن داده‌ها تأثیر بگذارند. تحقیقات قبلی روش‌های مختلفی از جمله تحلیل رفتار زمانی و مدل‌سازی ارتباطات شبکه را برای کاهش خطرهای سایبری، مورد بررسی قرار داده‌اند. بااین‌حال، این رویکردها، زمانی‏که به‌صورت مجزا به کار می‏روند، اغلب در ارائه یک سازوکار دفاعی جامع شکست می‏خورند. برای پرداختن به این محدودیت‌ها، این مطالعه یک رویکرد ترکیبی را پیشنهاد می‌کند که مدل‌سازی مبتنی بر گراف را با روش‌های یادگیری رفتاری عمیق ادغام می‌کند. به طور خاص، با نمایش ارتباطات دستگاه به‌عنوان گراف و تجزیه‌وتحلیل تغییر‏‏های زمانی با استفاده از مدل‌های شبکه‌های عصبی گراف2 و حافظه کوتاه‌مدت3، روش پیشنهادی تشخیص ناهنجاری را افزایش و احتمال حمله‏های سایبری را کاهش داده و در نتیجه خطر کلی سایبری را کاهش می‌دهد. ارزیابی‌های تجربی انجام‏شده بر روی مجموعه‌داده‌های4 مرتبط با اینترنت اشیاء نشان می‌دهد که مدل پیشنهادی به طور قابل‌توجهی از روش‌های مرسوم بهتر عمل می‌کند. نتایج، نشان‌دهنده معیارهای عملکرد برتر با صحت 92%، دقت 91/0، یادآوری 94/0 و امتیاز 92/0 F1 در کنار کاهش نرخ هشدار نادرست است. این یافته‌ها بر اثربخشی رویکرد پیشنهادی در تقویت امنیت سایبری اینترنت اشیاء تأکید می‌کند، که نشان‌دهنده پیشرفت قابل‌توجهی در کاهش خطر و افزایش امنیت سامانه است.