هدف از تشخیص نفوذ، شناسایی استفادههای غیرمجاز، سوءاستفاده و فعالیتهای مخرب در سیستمها و شبکههای کامپیوتری است. با گسترش شبکههای ارتباطی و بهویژه اینترنت اشیا، سیستمهای تشخیص نفوذ با چالشهایی مانند تنوع دستگاهها، ناهمگونی ساختار شبکه و حجم بالای دادهها مواجه شدهاند. در این پژوهش، رویکردی نوین برای تشخیص چندکلاسه حملات در محیط اینترنت اشیا ارائه میشود که بر ترکیب یادگیری عمیق مبتنی بر شبکه عصبی Bi‑LSTM و الگوریتم بهینهسازی تکثیر هوشمند آشفته استوار است. در این روش، ابتدا با استفاده از فرآیند انتخاب ویژگی، ابعاد دادهها کاهش یافته و کارایی مدل افزایش مییابد. سپس با بهکارگیری روش Z‑score پیشرفته، دادههای پرت حذف شده و کیفیت مجموعه داده بهبود مییابد. در نهایت، مدل Bi‑LSTM برای طبقهبندی و تشخیص دقیق حملات مورد استفاده قرار میگیرد. نتایج نشان میدهد که رویکرد پیشنهادی میتواند دقت تشخیص نفوذ را افزایش داده و زمان پردازش را کاهش دهد. این روش در حوزههایی مانند زیرساختهای حیاتی، اتوماسیون صنعتی و سایر کاربردهای مبتنی بر اینترنت اشیا قابل استفاده است.
مطالعه بیشتر...بهطور کلی، هدف از تشخیص نفوذ، شناسایی مواردی از قبیل استفادهی غیرمجاز، سوءاستفاده، و آسیب رسانی به سیستمها و شبکههای کامپیوتری هست. پژوهشهای موجود چنین هدفی، در راستای تشخیص سریع و بهموقع نفوذها بهمنظور جلوگیری از خرابکاری و آسیبرسانی به سیستمها و شبکههای اطلاعاتی پیادهسازی و اجرا مکنند. مهمترین هدف روشهای بیان شده در زمینه تشخیص نفوذ، تشخیص بهموقع نفوذها و جلوگیری از خرابکاری در سیستمها و شبکههای اطلاعاتی است. سیستمهای تشخیص نفوذ ابزاری ضروری برای محافظت از خود در برابر حملات سایبری مختلف هستند. با این حال، سیستمهای تشخیص نفوذ در شبکههای ارتباطی با چالشهای قابلتوجهی بهدلیل تنوع عملکردی و فیزیکی مواجه هستند. این ویژگیهای شبکههای ارتباطی، بهرهبرداری از تمامی ویژگیها و ویژگیها برای محافظت از خود سیستمهای تشخیص نفوذ را دشوار و غیرواقعی میسازد. در این پژوهش بهعنوان یک نوآوری جدید، رویکردی برای تشخیص نفوذ در ساختار اینترنت اشیا با قابلیت تشخیص چند کلاسه جملات پیشنهاد و اجرا میشود. این رویکرد با استفاده از ترکیب یادگیری عمیق مبتنی بر شبکه عصبی Bi-LSTM و الگوریتم بهینهسازی تکثیر هوشمند آشفته استفاده میشود. بهطور کلی نوآوری روش پیشنهادی به شرح زیر است:
نتایج این تحقیق در بخشهای مختلف، از زیرساختهای حیاتی گرفته تا اتوماسیون صنعتی و فراتر از آن، جایی که حفاظت از یکپارچگی سیستمهای بههمپیوسته ای اینترنت اشیا از اهمیت بالایی برخوردار است، قابل استفادهاست. ادغام یادگیری ماشینی پیشرفته و الگوریتمهای الهامگرفته از زیستشناسی، گامی اساسی به جلو در ایجاد اقدامات امنیتی قوی و هوشمند برای چشمانداز در حال تکامل فناوریهای مبتنی بر اینترنت اشیا است.