ارایه یک سیستم موثر و سبک برای تشخیص نفوذ در محیط اینترنت اشیا مبتنی بر محاسبات مه و ابر بر اساس طبقه بندی KNN
نویسندگان
1 استادیار، گروه مهندسی کامپیوتر ، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
2 دانشجوی دکتری، گروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
3 دانشیار، گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
doi
10.71856/impcs.2024.903638چکیده
محدودیت منابع در وسایل الکترونیکی اینترنت اشیا باعث شده است کمتر به مقوله امنیت در آن توجه شود. راه کار های تشخیص نفوذ امروزه یکی از مهم ترین و اساسی ترین راه حل ها برای شناسایی انواع حملات و تهدیدات و اتخاذ راه کار مناسب برای مقابله با آن ها می باشند. همچنین با توجه به باز بودن محیط قرار گرفتن وسایل مبتنی بر اینترنت اشیا با عث آسیب پذیری بیشتر این محیط می شود.به همین علت ارایه یک سیستم تشخیص نفوذ موثر و کارا می تواند راه کار مناسبی برای این محیط باشد. دراین مقاله به ارایه یک سیستم تشخیص نفوذ دو لایه مبتنی بر طبقه بند KNN برای جداسازی ترافیک عادی از حمله و شبکه مصنوعی پرسپترون چند لایه برای تشخیص نوع حمله پرداخته ایم. مجموعه داده استفاده شده مجموعه داده معروف KDD-CUP 99 می باشد.نتایج آزمایش بیانگر دقت 99.743% برای مجموعه داده و همچنین بهبود پارامترهای Accuracy ، Recall، Precision، F-measure، TPR و FPR می باشد. همچنین زمان تاخیر روش پیشنهادی نسبت به روش MLP-MLP میزان 40% بهبود یافته است و 139% تاخیر کمتری نسبت به حالت بدون مه دارد.