سيستم تشخيص نفوذ مبتني برشبكه عصبي كانولوشن براي تشخيص حمله انكارسرويس در اينترنت‎ وسايل نقليه

اينترنت ‎وسايل‎ نقليه (IoV) مفهومي نوظهور در سيستم ‎هاي حمل ‎ونقل‎ هوشمند (ITS) است كه هدف بهبود ايمني عابران‎ پياده و رانندگان و نظارت بر ترافيك را دنبال مي‎ كند؛ اما ارتباطات اينترنت‎ وسايل‎ نقليه در برابر حملات مختلف آسيب پذير هستند. بنابراين امنيت در اينترنت‎ وسايل‎ نقليه يك مسئله جدي است زيرا مستقيماً بر زندگي كاربران ان تأثير مي‎گذارد. يكي از مهم ترين حملات در اين محيط، حمله انكارسرويس (DoS) است كه از دسترسي به سرويس ‎هاي اينترنت ‎وسايل‎ نقليه جلوگيري مي ‎كند و از همه مهم‎ تر باعث ترافيك و تصادفات جاده ‎اي مي ‎شود و ايمني كاربران را به خطر مي ‎اندازد. بنابراين، يك راه حل مبتني بر يادگيري عميق براي شناسايي حملات انكارسرويس در محيط اينترنت ‎وسايل ‎نقليه پيشنهاد شده است. مدل پيشنهادي از شبكه عصبي كانولوشن 10لايه تشكيل شده است كه مي‎تواند انواع مختلف حملات انكارسرويس را بطور موثر تشخيص دهد. عملكرد مدل پيشنهادي با مجموعه داده واقعي و جديد VDoS-LRS ارزيابي شده است. نتايج تجربي نشان مي دهد كه سيستم تشخيص نفوذ پيشنهادي به بالاترين نرخ صحت رسيده است.