شماره ركورد كنفرانس :
5405
عنوان مقاله :
تشخيص حملات منع سرويس توزيع شده در دستگاههاي اينترنت اشيا با استفاده از شبكه عصبي پيچشي
عنوان به زبان ديگر :
Detection of Distributed Denial-of-Service Attacks in Internet of Things Devices Using Convolutional Neural Networks
پديدآورندگان :
طاهري اميد omid.taheri6080@gmail.com دانشگاه صنعتي همدان , اميري فاطمه fateme.amiri@gmail.com دانشگاه صنعتي همدان , فرماني جعفر jfarmani@tvu.ac.ir دانشگاه فني حرفه اي همدان
كليدواژه :
تشخيص حملات , مدل CNN , يادگيري عميق , ترافيك شبكه , اينترنت اشيا
عنوان كنفرانس :
دومين كنفرانس ملي كسب و كار نوين در مهندسي برق و كامپيوتر
چكيده فارسي :
در اين مقاله، به بررسي استفاده از مدل هاي شبكه هاي عصبي كانولوشني براي تشخيص حملات در ترافيك شبكه ميپردازيم. هدف اصلي اين تحقيق، معرفي راه حل هاي مناسب براي تشخيص حملات به شبكه ها و دستگاه هاي مربوط به اينترنت اشيا است. براي ارزيابي عملكرد مدل پيشنهادي، از مجموعه داده 15NB-UNSW استفاده شده است. در ابتدا، داده ها پيش پردازش و ويژگي هاي مهم استخراج ميشوند. سپس، مدل شبكه ي عصبي كانولوشني بر روي اين داده ها آموزش داده ميشود. نتايج آزمايش ها نشان ميدهد كه مدل شبكه عصبي پيچشي بادقت باالي ٪۹۷ قادر به تشخيص حملات است و عملكرد بسيار خوبي دارد. اين نتايج نشان ميدهد كه استفاده از مدل هاي يادگيري عميق، به ويژه شبكه هاي عصبي كانولوشني، ميتواند بهبود قابل توجهي در امنيت شبكه هاي اينترنت اشيا ايجاد كند. به طور خلاصه، استفاده از مدل هاي شبكه هاي عصبي كانولوشني به عنوان روشي قوي براي تشخيص حملات در ترافيك شبكه مورد بررسي قرار گرفته است. اين روش، امكان بهبود امنيت شبكه هاي اينترنت اشيا را فراهم ميكند و ميتواند به عنوان يك راهكار مؤثر در حوزه امنيت شبكه مورداستفاده قرار گيرد.