شناسايي حملات DDoS به شهرهاي هوشمند با مكانيزم راي گيري اكثريت در انتخاب ويژگي و يادگيري ماشين

اينترنت اشياء يك شبكه با كاربردهاي زياد است و اين شبكه توانسته تعداد زيادي شي هوشمند را به كمك انواع فناوري ها به هم متصل نمايد. يكي از كاربردهاي مهم شبكه اينترنت اشياء، توسعه شهرهاي هوشمند است كه در اين شهرها همه اجزاء مانند حمل و نقل هوشمند سازي شده است. نفوذ به شبكه اينترنت اشياء و شهرهاي هوشمند يكي از موانع توسعه اين شبكه ها است. حملات بر عليه شبكه هاي كامپيوتري مانند اينترنت اشياء سالانه ميليون ها دلار زيان به همراه دارد. سيستم تشخيص نفوذ يك ابزار امنيتي مناسب و كارآمد براي مقابله با حملات به شبكه است. يك سيستم تشخيص نفوذ كارآمد و هوشمند بايد توانايي بالايي براي تحليل ترافيك داشته باشد. حملات DDoS يك حمله رايج در شهرهاي هوشمند و اينترنت اشياء بوده و باعث مي شوند كه سرويس دهندگان در لايه ابر محاسباتي با چالش سرويس دهي مواجه شوند. در اين مقاله براي تشخيص حملات DDoS در شهرهاي هوشمند يك روش پيشرفته با سه بخش مختلف ارايه شده است. روش پيشنهادي براي تشخيص حملات مي تواند ويژگي هاي اوليه را با شبكه عصبي كانولوشن استخراج نمايد. در مرحله بعد با الگوريتم بهينه سازي GWO ويژگي هاي مهم براي تشخيص حملات انتخاب شده و در نهايت تحويل سه طبقه بندي كننده RBF، SMO و BN مي شود تا با يادگيري تركيبي، خطاي تشخيص حملات را كاهش دهند. آزمايشات نشان داد كه دقت روش پيشنهادي از چند روش پيشرفته تشخيص نفوذ مانند شبكه عصبي مصنوعي، جنگل تصادفي، ماشين بردار پشتيبان، يادگيري عميق، ادابوث دقت بيشتري دارد. روش پيشنهادي در تشخيص حملات DDoS همچنين از الگوريتم انتخاب ويژگي Warpper و Filter دقت بيشتري دارد.