شماره ركورد كنفرانس :
5467
عنوان مقاله :
مروري جامع برتشخيص ناهنجاري در شبكه اينترنت اشياء با استفاده از يادگيري عميق
پديدآورندگان :
عباسي نگار abbasi.ngr@gmail.com واحد (خوراسگان)، دانشگاه آزاد اسلامي، اصفهان، ايران , سلطان آقايي محمدرضا soltan@khuisf.ac.ir واحد (خوراسگان)، دانشگاه آزاد اسلامي، اصفهان، ايران. , زماني بروجني فرساد farsad.zamani@srbiau.ac.ir واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ايران.
كليدواژه :
تشخيص حمله , داده‌هاي نامتوازن , يادگيري عميق , اينترنت اشياء
عنوان كنفرانس :
اولين كنفرانس بين المللي ايده هاي نو در مهندسي برق
چكيده فارسي :
در عصري كه اينترنت اشيا (IoT) به شتاب در حال گسترش است، تأمين امنيت در اين شبكه‌ها به يك چالش بزرگ بدل شده است. مقاله حاضر به بررسي دقيق و تحليلي روش‌هاي يادگيري ماشين و يادگيري عميق در زمينه تشخيص حملات در شبكه‌هاي IoT مي‌پردازد. اين تحقيق چالش‌هايي چون داده‌هاي نامتوازن حملات داده‌ها را كه به طور چشمگيري بر عملكرد روش‌هاي تشخيص تأثير مي‌گذارند، مورد توجه قرار داده است.در اين راستا، رويكردها و تكنيك‌هاي متنوعي از جمله بازنمونه‌گيري، خوشه‌بندي و كاربرد الگوريتم‌هاي پيشرفته ماشين يادگيري و شبكه‌هاي عصبي عميق تحت بررسي قرار گرفته‌اند. همچنين، اين مطالعه به ارزيابي اثرات اين روش‌ها بر بهبود كارايي و دقت سيستم‌هاي تشخيص حمله پرداخته و راه‌هايي را براي افزايش توانايي در شناسايي حملات در شبكه‌هاي IoT نشان مي‌دهد. هدف از اين مقاله ارائه ديدگاهي جامع در خصوص پيشرفت‌هاي اخير و روش‌هاي مؤثر در مواجهه با مسائل امنيتي شبكه‌هاي IoT است.
