تشخیص نفوذ در شبکههای اینترنت اشیا توسط روشهای یادگیری ماشین

چالش امنیت در شبکه های اینترنت اشیا جزء چالشهای مطرح میباشد. امکانات پایین سخت افزاری تجهیزات اینترنت اشیا، امکان پیاده سازی سیستمهای تشخیص نفوذ بر روی آن تجهیزات را تقریبا ناممکن میسازد. با استفاده از داده های بدست آمده از ترافیک شبکه های اینترنت اشیا و با استفاده از روشهای هوشمصنوعی میتوان ترافیک تولید شده در اثر نفوذ و یا حمله را از ترافیک عادی تجهیزات اینترنت اشیا، تمیز داد. ترافیک تبادل شده در داخل شبکه های اینترنت اشیا حجم پایینی دارند. چراکه دستگاههای شبکه های اینترنت اشیا، دادهای را حس کرده و ارسال میکنند و یا دادهای را دریافت کرده و عملی را انجام میدهند. حجم این داده تبادل شده حداکثر در حد چند صد بایت (یا کمتر) میباشد. حجم داده تبادل شده در حملات  DDOS نیز پایین است ولی تعداد درخواستها زیاد است. بنابراین تشخیص حملات  DDOS در شبکه های مبدا اینترنت اشیا سخت تر از شبکه های عادی میباشد. حجم پایین داده ها در شبکه اینترنت اشیا منجر به نتایج پایین در تشخیص حملات خواهد شد. به عبارتی روشهای کلاسیک داده کاوی در مورد تشخیص حملات  DDOSدر شبکههای اینترنت اشیا دچار مشکل خواهند شد علی رغم اینکه در شبکههای کامپیوتری دیگر دقت قابل قبولی دارند. بنابراین باید از ویژگیهای دیگر موجود در داخل شبکه استفاده شود تا حملات شناسایی شوند. یک نوآوری استفاده شده در این پایان نامه، استفاده از داده های تبادل شده بین حمله کننده برای تشخیص حمله میباشد. این داده ها قبل از شروع حمله بین حمله کنندگان در داخل شبکه داخلی پخش شده و میتواند برای تشخیص حملات بعد از آن استفاده شوند. نوآوری بعدی، استفاده از روشهای یادگیری عمیق دارای حافظه برای تشخیص حملات میباشد چراکه روشهای کلاسیک در تشخیص حملات در شبکه های اینترنت اشیاء، دقت پایینی دارند. نوآوری دیگر مقاله استفاده از مکانیزم هشدار میباشد که در این حالت، با مشاهده ترافیک تبادل شده بین حمله کنندگان، رکوردهای شبکه به حالت هشدار رفته و با حساسیت بیشتری داده های تبادل شده از نظر حمله بودن یا نبودن، مورد بررسی قرار گرفته اند. نوآوری آخر این پروژه ترکیب روش یادگیری عمیق با مکانیزم  Attention است که بتواند دقت را هرچه بیشتر بالاتر ببرد. در نهایت روش های اشاره شده پیاده سازی شده و بر روی داده های واقعی شبکه اینترنت اشیا که دارای رکوردهای واقعی حمله نیز هستند، اعمال شده و نتایج بدست آمده مقایسه شده اند.واژه های کلیدی: اینترنت اشیا، تشخیص نفوذ، یادگیری عمیقاستاد راهنما: دکتر صالح یوسفیاستاد مشاور: دکترمیر سامان تاجبخشهیئت داوران: دکترجمشید باقرزاده – دکتر اصغر اصل اصغریان