مدل تشخیص نفوذ در خانه های هوشمند مبتنی بر تحلیل مؤلفه اصلی و دسته بندی جنگل تصادفی

نویسندگان

1 استادیار ،دانشگاه گلستان ،گرگان، گرگان، ایران

doi
چکیده

در سال‌های اخیر، مسئلة حفظ امنیت خانه‌های هوشمند که در آن، تعداد زیادی از وسایل برای برقراری ارتباط از اتصالات اینترنت استفاده می‌کنند به یکی از دغدغه‌های اصلی در حوزة امنیت شبکه تبدیل شده است. اگرچه تاکنون پژوهش‌های زیادی در جهت برقراری امنیت خانه‌های هوشمند انجام شده است، اما باتوجه‌به گستردگی موضوع موردبحث، اغلب این کارها در مواردی از جمله دقت و سرعت عمل، کار آیی لازم را ندارند. در روش پیشنهادی پس از انجام برخی عملیات پیش‌پردازش روی مجموعه‌داده، به کمک تحلیل مؤلفة اصلی (PCA)، زیرمجموعه‌ای از ویژگی‌های مجموعه‌داده که به‌عنوان مؤثرترین ویژگی‌ها در تشخیص نفوذ به شمار می - آیند برای آماده‌سازی داده‌ها جهت دسته‌بندی انتخاب شده‌اند که این عمل منجر به افزایش دقت و سرعت عمل دسته‌بندی می‌شود. همچنین در مرحلة دسته‌بندی از الگوریتم جنگل تصادفی که یک الگوریتم قدرتمند مبتنی بر یادگیری ماشین است بر روی یک مجموعه‌دادة بسیار جدید اینترنت اشیا، به نام IoTID20 استفاده شده است. رویکرد پیشنهادی عملکرد بالایی برای تشخیص نفوذ بادقت %99.73 و %98.46 برای دسته‌بندی حملات دودویی و چند کلاسه نشان داده است. مقایسه‌ی نتایج روش پیشنهادی با سایر کارهای انجام شده، نشان دهنده‌ی برتری روش پیشنهادی در تشخیص حملات چند کلاسه است.