طراحي سيستم تشخيص نفوذ مبتني بر ناهنجاري با استفاده از ماشين بردار پشتيبان و الگوريتم بهينه‌سازي ملخ در اينترنت اشيا

امروزه شبكه‌هاي كامپيوتري نقش مهم و كاربردي در ارتباطات و تبادل داده‌ها دارند و در زندگي انسانها انواع مختلفي از شبكه‌هاي كامپيوتري پا به عرصه وجود گذاشته است كه يكي از آنها شبكه اينترنت اشياء است. در اينترنت اشيا گره‌هاي شبكه مي‌توانند اشيا هوشمند باشد و از اين نظر اين شبكه داراي گره‌هاي زيادي است و ترافيك بالايي در اين شبكه وجود دارد. مانند هر شبكه كامپيوتري، اينترنت اشيا با چالش‌ها و مشكلات خاص خود مواجه است كه يكي از آنها مسأله نفوذ به شبكه و ايجاد اختلال در آن است. در اين پايان‌نامه تمركز بر روي تشخيص نفوذ مبتني بر آنومالي در شبكه اينترنت اشيا با استفاده از داده‌كاوي است. در اين پژوهش پس از جمع‌آوري و آماده‌سازي داده‌ها از ماشين بردار پشتيبان بهبود‌يافته با الگوريتم بهينه‌سازي ملخ به عنوان روش پيشنهادي در جهت تشخيص نفوذ مبتني بر آنومالي در اينترنت اشيا استفاده مي‌شود و الگوريتم بهينه‌سازي ملخ پارامترهاي ماشين بردار پشتيبان را به صورت بهينه تعيين مي‌كند و نتايج با طبقه‌بندهاي بگينگ و k- نزديك‌ترين همسايه و ماشين بردار پشتيبان پايه بر اساس انواع خطا و تحليل آماري خطا مورد مقايسه قرار مي‌‌گيرد. نتايج شبيه‌سازي نشان از دقت 97.2% در روش پيشنهادي و عملكرد بهتر در مقايسه با ساير روش‌ها دارد.