تشخيص حملات منع سرويس توزيع شده در اينترنت اشياء با استفاده از رويكرد رأي گيري اكثريت

با افزايش روزافزون دستگاه هاي اينترنت اشياء، امنيت آنها به موضوعي بسيار نگران كننده تبديل شده است. اقدامات امنيتي ضعيف، مهاجمان را قادر مي سازد تا دستگاه‌هاي اينترنت اشياء را مورد حمله قرار دهند. يكي از اين حملات، حمله منع سرويس توزيع شده است. بنابراين وجود سيستمهاي تشخيص نفوذ در اينترنت اشياء، از اهميت ويژه اي برخوردار است. در اين پژوهش، از رويكرد گروهي رأي گيري اكثريت كه زيرمجموعه يادگيري ماشين است جهت تشخيص و پيش بيني حملات استفاده شده است. انگيزه استفاده از اين روش، دستيابي به دقت تشخيص بهتر و نرخ مثبت كاذب بسيار پايين با تركيب چند الگوريتم طبقه بندي يادگيري ماشين، در شبكه‌هاي ناهمگن اينترنت اشياء است. در اين پژوهش از مجموعه داده جديد و بهبود يافته CICDDOS2019 براي ارزيابي روش پيشنهادي استفاده شده است. نتايج شبيه‌سازي نشان مي‌دهد كه با اعمال روش گروهي رأي گيري اكثريت روي پنج حمله از اين مجموعه داده، اين روش به ترتيب به دقت تشخيص 99/9668%، 99/9670%، 100%، 99/9686% و 99/9674% در شناسايي حملات DNS، NETBIOS، LDAP، UDP و SNMP دست يافت كه نسبت به مدلهاي پايه، عملكرد بهتر و پايدارتري در تشخيص و پيش بيني حملات، از خود نشان داده است.