شماره ركورد كنفرانس :
5498
عنوان مقاله :
تشخيص حمله سايبري مبتني بر يادگيري عميق در راستاي ايجاد اينترنت اشيا صنعتي قابل اعتماد
عنوان به زبان ديگر :
Cyber attack detection based on deep learning in order to create a reliable industrial Internet of Things
پديدآورندگان :
عباس نژاد اعظم abasnejadazam349@yahoo.com دانشجوي دكتري، مهندسي كام پ يوتر ، نرم افزار ، دانشگاه آزاد اسلامي واحد كرمان
كليدواژه :
حمله سايبري , حمله سايبري , يادگيري عميق , اينترنت اشيا صنعتي
عنوان كنفرانس :
اولين كنفرانس بين المللي و چهارمين كنفرانس ملي تجهيزات و فناوري هاي آزمايشگاهي
چكيده فارسي :
در اين مقاله، ما يك رويكرد جديد براي بهبود قابليت اعتماد شبكه‌هاي مجهز به اينترنت صنعتي اشيا پيشنهاد مي‌كنيم. ما يك كنترل دقيق و قابل اعتماد نظارتي و اكتساب داده (SCADA) مبتني بر شبكه تشخيص حمله سايبري در اين شبكه‌ها را پيشنهاد مي‌كنيم. طرح پيشنهادي واحدهاي مكرر هرمي مبتني بر يادگيري عميق (PRU) و درخت تصميم (DT) را با شبكه‌هاي اينترنت اشياء صنعتي مبتني بر SCADA تركيب مي‌كند. ما همچنين از يك روش يادگيري گروهي براي شناسايي حملات سايبري در شبكه‌هاي اينترنت صنعتي اشيا مبتني بر SCADA استفاده مي‌كنيم. طرح پيشنهادي بر روي 20 مجموعه داده توليد شده از شبكه هاي مبتني بر SCADA ارزيابي مي شود. نتايج تجربي نشان مي‌دهد كه طرح پيشنهادي از روش‌هاي سنتي و رويكردهاي تشخيص مبتني بر يادگيري ماشين بهتر عمل مي‌كند. طرح پيشنهادي امنيت و معيارهاي مربوط به قابليت اعتماد را در شبكه‌هاي فعال شده با اينترنت اشياء صنعتي بهبود مي‌بخشد.
