در این پژوهش، روش ها و الگوریتم‌ های‌ مختلفی‌ برای‌ پیاده سازی‌ هوش مصنوعی‌ با توجه‌ منابع‌ و اهداف پروژه­ها در ساختار اینترنت اشیا برای بهبود امنیت معرفی‌ شدند.  یکی‌ از روش­های‌ پیاده­سازی‌ هوش مصنوعی‌ که‌ محبوبیت‌ بسیار زیادی‌ دارد یاد­گیری‌ ماشین‌ است‌ که‌ با استفاده از این‌ الگوریتم‌ به‌ برنامه‌ امکان یادگیری‌ موارد جدید با استفاده از اطلاعات جمع‌ آوری‌ شده را می­دهد. تکنینک‌ های‌ یادگیری‌ ماشین‌ که‌ شامل‌ یادگیری‌ با نظارت, یادگیری‌ بدون نظارت و یادگیری‌ تقویتی‌ می‌ باشد و به‌ طور گسترده در افزایش‌ امنیت‌ شبکه‌ها نقش‌ دارند.  روش­ها و الگوریتم­های‌ مختلف‌ هوش مصنوعی‌ با توجه‌ منابع‌ و اهداف پروژه­های‌ مختلف‌ معرفی‌ شدند که‌ شبکه‌ های‌ عصبی‌ مصنوعی‌ و یادگیری‌ ماشین‌ از بقیه‌ روش ها به‌ محبوبیت‌ بیشتری‌ دست‌ پیدا کردند. بر اساس هدف اصلي پژوهش مبني بر " بهبود امنیت و چالش های اینترنت اشیا با استفاده از الگوریتم های هوش مصنوعی"، ابتدا ساختار اینترنت اشیا ورد  مطالعه قرار می­گیرند. سپس مسئله کنترل امنیت و مسائل موجود در آن آن به عنوان یکی از چالش­های اساسی در در ساختار اینترنت اشیاء مورد بحث  و بررسی قرار می­گیرند.  سپس با معرفی رویکردهای مبتنی بر الگوریتم­های هوش مصنوعی در مدیریت امنیت اینترنت اشیاء، راهکارها و پژوهش­های ارائه شده توسط محققان در این زمینه ارزیابی و بررسی می­شود و سپس مزایا و معایب هر یک از راهکارهای ارائه شده مطالعه و مقایسه می­شود. در ادامه و در بخش سوم به منظور دستیابی به اهداف پژوهش، در رویکرد پیشنهادی به‌منظور افزایش سرعت و دقت در مدیریت چالش­های امنیتی در اینترنت اشیا ، از یک الگوریتم هوش مصنوعی مبتنی بر شبکه­های عصبی استفاده می‌شود که در آن از الگوریتم یادگیری عصبی مبتنی بر الگوریتم هاب پرسپترون چند لایه استفاده می‌شود. در ادامه و در بخش چهارم، عملکرد روش پیشنهادی با ارزیابی سطوح ایمنی، قابلیت اطمینان، دقت در تشخیص تهدیدات و زمان اجرا مورد ارزیابی قرار گرفته و با سایر رویکردهای ارائه شده در این زمینه مقایسه می­شود و در نهایت یک نتیجه­گیری کلی از پژوهش پیشنهادی  ارائه شده و در نهایت پیشنهادات آتی در این زمینه ارائه می­شود.