ارائهی یک معماری امن برای اینترنت اشیا مبتنی بر فناوریهای 5G-IOT و نسل بعدی [پايان نامه فارسي]
الناز ایزدی
| شناسگر رکورد: | ۲۰۵۲۶ |
| رشته تحصیلی: | مخابرات سیستم |
| عنوان: | ارائهی یک معماری امن برای اینترنت اشیا مبتنی بر فناوریهای ۵G-IOT و نسل بعدی |
| نويسنده: | الناز ایزدی |
| استاد راهنما : | دکتر عبداله شمیسا |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۴۰۲ |
| چکیده: | شبکههای کامپیوتری نقش مهم و کاربردی در ارتباطات و تبادل دادهها دارند و اشتراک منابع را نیز با سهولت کامل انجام میدهند. امروزه انواع مختلفی از شبکههای کامپیوتری پا به عرصه وجود گذاشته است که یکی از آنها شبکه اینترنت اشیا است. در اینترنت اشیا گرههای شبکه میتوانند اشیا هوشمند باشد و از این نظر این شبکه دارای گرههای زیادی است و ترافیک بالایی در این شبکه وجود دارد. مانند هر شبکه کامپیوتری با چالشها و مشکلات خاص خود مواجه است که یکی از آنها مسأله حملات به شبکه و ایجاد اختلال در آن است. در این پایاننامه تمرکز بر روی ارائه یک معماری امن از طریق تشخیص حملات برای اینترنت اشیا مبتنی بر فناوریهای ۵G-IOT و نسل بعدی با استفاده از داده¬کاوی است. در عصر تکنولوژی اطلاعات، امنیت سایبری در اینترنت اشیا از اهمیت بالایی برخوردار است. اینترنت اشیا به دو دلیل اساسی در معرض تهدیدهای سایبری قرار دارد. لذا، تشخیص نفوذ در اینترنت اشیاواضح است که مقیاس تاثیر حملات انجام شده بر روی شبکه های IoT می تواند بسیار متفاوت باشد. در نتیجه، بدیهی است که بین نیازهای امنیتی و قابلیتهای امنیتی دستگاه های IoT که در حال حاضر موجود است ، شکاف بزرگی وجود دارد. علیرغم اهمیت این موضوع، در تحقیقات گذشته، چندین روش تشخیص نفوذ در اینترنت اشیا، پیشنهاد شده است. این رویکردها، عموما برای یک حمله مشخص طراحی شده اند اما شبکه همچنان در برابر سایر حملات آسیب پذیر است.مطالعه ادبیات نشان داد که در روش های پیشنهادی، دقت کلی ممکن است بالا باشد، اما دقت تشخیص هر کلاس در طبقه بندی چند کلاسه پایین است. در کارهای پیشین معمولاً تاثیر ورودیها یکسانسازی نشده است و ویژگیهای با مقادیر بزرگ تاثیر بیشتری در تعیین کلاس نمونه ورودی دارند که در این پژوهش با استفاده از نرمالسازی تاثیر ورودیها یکسان شده است. مجموعه دادههای مورد استفاده برای آموزش مدلها از تعداد ویژگیهای بالایی برخوردار است که ممکن است همه این ویژگیها عامل تمایز نباشند و فقط زمان آموزش مدل را افزایش دهند به همین منظور در این پژوهش از الگوریتم تحلیل مولفههای اصلی در جهت انتخاب ویژگیهای مهم استفاده شده است تا با کاهش پیچیدگی فضای ورودی زمان آموزش کاهش یابد. برای تشخیص حملات از مدلهای مختلفی استفاده شده است اما حاشیه اطمینان بالایی ندارند اما ماشین بردار پشتیبان از بین بینهایت خط یا منحنی برای طبقهبندی خط یا منحنی با حاشیه اطمینان بالا را انتخاب میکند. در این پژوهش پس از جمع¬آوری و آماده¬سازی داده¬ها از ماشین بردار پشتیبان بهبودیافته با الگوریتم بهینهسازی ازدحام ذرات به عنوان روش پیشنهادی در جهت تشخیص حملات در اینترنت اشیا استفاده می¬شود و الگوریتم بهینهسازی ازدحام ذرات پارامترهای ماشین بردار پشتیبان به صورت بهینه تعیین میکند و نتایج با طبقهبندهای بگینگ و k- نزدیکترین همسایه بر اساس انواع خطا و معیارهای کارایی استاندارد مورد مقایسه قرار میگیرد. نتایج شبیهسازی نشان از دقت ۲/۹۷% در روش پیشنهادی و عملکرد بهتر در مقایسه با سایر روشها در تشخیص حملات در شبکه اینترنت اشیا دارد. واژههای کلیدی: تشخیص، حملات اینترنت اشیا، ماشین بردار پشتیبان، الگوریتم بهینه¬سازی ازدحام ذرات،شبکه های ۵G،اینترنت امن. |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 284143 | 1 |
جهت ثبت نظر با حساب کاربری تان وارد شوید