تجزيه و تحليل داده‌هاي امنيتي شبكه با قابليت تنظيم و مقياس‌پذيري در اينترنت اشياء

در سال‌هاي اخير، گرايش نسبتا زيادي به رويكردهاي مربوط به مسائل امنيتي در زيرساخت اينترنت اشيا و برنامه‌هاي كاربردي كه از يادگيري ماشين و تكنيك‌هاي يادگيري عميق استفاده مي‌كنند وجود دارد. پيش نياز چنين رويكردهايي توسعه زيرساخت هاي مقياس پذير براي جمع آوري و پردازش مجموعه داده هاي مرتبط با امنيت از سيستم ها و دستگاه هايي است كه از اينترنت اشياء استفاده مي كنند. در اين مقاله راهكارهايي براي جمع‌آوري داده مقياس‌پذير و قابل تنظيم براي امنيت اينترنت اشيا مبتني بر داده را معرفي خواهيم كرد كه شامل مجموعه داده‌هايي از عناصر مختلف سيستم‌هاي اينترنت اشيا، از جمله دستگاه‌ها ، اشياء هوشمند و بسترهاي مجازي اينترنت اشيا خواهد بود. مقياس‌پذيري زيرساختي شناخته شده است كه از ادغام فناوري‌هاي پيشرفته براي جمع‌آوري، پخش و ذخيره‌سازي داده‌ها در مقياس بزرگ ناشي مي‌شود، در حالي كه قابليت پيكربندي آن به يك رويكرد توسعه‌ يافته براي مدل‌سازي داده‌هاي امنيتي از انواع سيستم‌ها و دستگاه‌هاي اينرنت اشياء متكي است. اين رويكرد، نمونه‌سازي و استقرار سيستم‌هاي جمع‌آوري داده‌هاي امنيتي را بر روي زيرساخت هاي پيچيده اينترنت اشيا امكان‌پذير مي‌سازد، كه بستري براي استفاده از الگوريتم‌هاي تحليلي امنيتي موثر براي شناسايي تهديدها، آسيب‌پذيري‌ها و الگوهاي حمله مي باشد.