شناسایی ترافیک بدخواه در زیرساخت اینترنت اشیاء با استفاده از شبکه عصبی و یادگیری عمیق

Abstract

اینترنت اشیاء شبکه‌ای از دستگاه‌ها و تجهیزات فیزیکی دربردارنده حسگرها، نرم‌افزارها و سایر فناوری‌ها به‌منظور تبادل داده با سایر دستگاه‌ها و سامانه‌ها از طریق اینترنت است. گسترش اینترنت اشیاء در حوزه‌های بهداشت و درمان هوشمند، کشاورزی هوشمند، شهر هوشمند، خانه هوشمند و سایر حوزه‌ها انقلابی در زندگی بشر ایجاد کرده است. با توجه به اهمیت اینترنت اشیاء شناسایی ناهنجاری و ترافیک مخرب در آن برای حفظ حریم خصوصی، پایداری شبکه و مسدودسازی رفتارهای ناخواسته ضروری است. به دلیل خاصیت محدودیت منابع در دستگاه‌های اینترنت اشیاء، شیوه‌های سنتی نمی‌توانند مستقیماً برای ایمن‌سازی دستگاه‌ها و شبکه اینترنت اشیاء مورداستفاده قرار گیرند. برای رفع این مشکل یک روش شناسایی مبتنی بر شبکه‌های عصبی مصنوعی و یادگیری عمیق برای شناسایی ناهنجاری و ترافیک مخربی که هیچ‌گونه اطلاعات از پیش تعیین‌شده‌ای درباره آن‌ها وجود ندارد، توسعه داده‌شده است. مجموعه داده‌های مورداستفاده در این روش ترکیبی از ترافیک مخرب و سالم جمع‌آوری‌شده از منابع مرتبط و استخراج ویژگی به‌صورت دستی است. شبکه عصبی مصنوعی عمیق بر روی مجموعه داده و پیش‌پردازش شده اعمال گردید و نتایج حاصل با برخی از الگوریتم‌های یادگیری ماشین مرسوم مورد بررسی قرار گرفت. نتایج به دست آمده نشان می‌دهد که مدل طراحی‌شده با استفاده از شبکه عصبی و یادگیری عمیق قادر به شناسایی ناهنجاری و ترافیک بدخواه در شبکه اینترنت اشیاء با نرخ صحت بیش از 98.9% و نرخ دقت 99.3% است. علاوه بر این، سرعت شناسایی در مقایسه با الگوریتم‌های یادگیری ماشین 1.7 برابر سریع‌تر است.

Keywords

• اینترنت اشیاء
• بدافزار
• ترافیک شبکه
• استخراج ویژگی
• شبکه عصبی مصنوعی
• یادگیری عمیق