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.2024.903654
چکیده

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.