شماره ركورد كنفرانس :
5467
عنوان مقاله :
يك سيستم تشخيص حملات در IOT با استفاده از الگوريتم بهينه سازي گله اسب (HOA) و سنجاقك در انتخاب ويژگي
پديدآورندگان :
عدنان عباس الجنابي عباس abaas_adnan@yahoo.com دانشجوي كارشناسي ارشد، دانشگاه آزاد اسلامي واحد اصفهان (خوراسگان)، اصفهان، ايران , هاشمي پور مليحه m_hashemi_pour@yahoo.com استاديار، دانشگاه آزاد اسلامي واحد كرمان، ايران
كليدواژه :
اينترنت اشيا , سيستم تشخيص نفوذ , الگوريتم سنجاقك , الگوريتم گله اسب , انتخاب ويژگي
عنوان كنفرانس :
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق
چكيده فارسي :
عليرغم تلاش هاي بسيار زياد در مبارزه با حملات شبكات اينترنت اشيا، هنوز هم اين گونه حملات مانند DDoS تهديدي جدي براي امنيت فضاي سايبري به ويژه در شبكههاي اينترنت اشيا است. سيستم تشخيص نفوذ يكي از فناوريهاي موجود براي محافظت از شبكهها و دستگاه هاي اينترنت اشيا است. در اين تحقيق، يك مدل تشخيص نفوذ مبتني بر استخراج و انتخاب ويژگي و طبقهبندي شبكههاي عصبي پيشنهاد شده است. در روش پيشنهادي، ابتدا مجموعه داده ها BoT-IoT جمع آوري شده و دادههاي ورودي از قبل پردازش ميشوند تا نويزها و دادههاي از دست رفته و افزونه حذف شوند و الگوريتم بهينه سازي سنجاقك، ابعاد مجموعه دادهها را كاهش مي دهد. سپس با استفاده از طبقهبندي شبكههاي عصبي MLP كه ضرايب و پارامترهاي وزني آن با الگوريتم گله اسب بهينه سازي شده اند، ميتوان يك مدل تشخيص نفوذ ساخت. نتايج ارزيابي ها تاييد مي كند كه روش پيشنهادي نسبت به روش مورد مقايسه نتايج به مراتب بهتري را ارائه داده است. اين ارزيابي ها كه براساس تغيير در اندازه بخش آموزش مجموعه داده انجام شده است نشان ميدهد كه در معيارهاي Recall، Accuracy، Precision و F-Measure روش پيشنهادي توانسته است به ترتيب 15%، 14%، 12% و 14% بهبود حاصل كند.