فهرست نشریات علمی دسترسی آزاد ایران

الگوی رایانش مه به طور مؤثر سرویس‌های ابری را تا لبه شبکه گسترش می‌دهد و به کاهش مسائلی مانند تأخیر و پشتیبانی از تحرک محدود کمک می‌کند. سیستم‌های تشخیص نفوذ (IDS) با توجه به محدودیت‌های منابع دستگاه‌های اینترنت اشیا (IoT) و تبادل مداوم داده‌های متنوع نقش مهمی در ایمن‌سازی محیط‌های مبتنی بر مه دارند. این مقاله یک سیستم تشخیص نفوذ سبک و دو مرحله‌ای را برای رسیدگی به محدودیت منابع و بهبود سرعت و دقت تشخیص نفوذ با تشخیص حملات و طبقه‌بندی انواع آن­ها پیشنهاد می‌کند. برای افزایش استحکام، ما از تکنیک‌های DAE، LSTM-VAE و DNN استفاده می‌کنیم. در مرحله اول طبقه‌بندی دودویی برای شناسایی اینکه آیا حمله‌ای رخ داده است یا خیر، انجام می­شود، در حالی که مرحله دوم طبقه‌بندی چند کلاسه را برای تعیین نوع خاص حمله انجام می‌دهد. ما رویکرد خود را با استفاده از سه مجموعه داده IoT-23، CICIDS2018 و KDD99 ارزیابی می‌کنیم. نتایج تجربی نشان می­دهد که روش پیشنهادی ما نسبت به روش­های مورد مقایسه عملکرد بهتری را داشته و نکته قابل توجه این است که سیستم ما در تشخیص حملات DoS در مجموعه داده CICIDS2018 به دقت 99.99٪ می‌رسد.