بهبود دقت سیستم تشخیص نفوذ در اینترنت اشیا با استفاده از الگوریتمهای یادگیری ماشین و خوشهبندی
نویسندگان
1 استادیار، گروه برق، دانشکده فنی مهندسی، واحد نقده، دانشگاه آزاد اسلامی، نقده، ایران
2 استادیار، گروه کامپیوتر، واحد نقده، دانشگاه آزاد اسلامی، نقده، ایران
doi
10.71856/impcs.2024.903654چکیده
افزایش استفاده از اینترنت اشیا منجر به افزایش حملات در این شبکه ها شده است. سازندگان دستگاه های اینترنت اشیا علاقه مند به کاهش هزینه ها با نادیده گرفتن مقررات امنیتی هستند که باعث آسیب گسترده و مانع از رشد اینترنت اشیا میشود. گسترش حملات مبتنی بر اینترنت اشیا تا زمانی ادامه خواهدداشت که سازندگان اینترنت اشیا مکانیزمهای پاسخگویی و امنیتی را در دستگاههای خود بگنجانند. تا آن زمان، اینترنت اشیا این پتانسیل را دارد که به محیطی برای حملات سایبری آینده تبدیل شود که چالشهای بزرگی را به همراه خواهدداشت. از این رو، در این تحقیق راهکارهای برقراری امنیت اینترنت اشیا بررسی شده و راه حلی مبتنی بر ترکیب ماشین بردار پشتیبان و الگوریتم k-means ارائه شده است. نتایج نشان میدهد که دقت روش پیشنهادی 98.35 درصد است که کارآمدی روش پیشنهادی را نشان میدهد و قابلیت پیاده سازی برای تشخیص خطا به صورت عملی را دارد.