طراحی سیستم تشخیص نفوذ مبتنی بر آنومالی با استفاده از ماشین بردار پشتیبان و الگوریتم بهینه سازی ملخ در اینترنت اشیا

امروزه شبکه های کامپیوتری نقش مهم و کاربردی در ارتباطات و تبادل داده ها دارند و در زندگی انسانها انواع مختلفی از شبکه های کامپیوتری پا به عرصه وجود گذاشته است که یکی از آنها شبکه اینترنت اشیاء است. در اینترنت اشیا گره های شبکه می توانند اشیا هوشمند باشد و از این نظر این شبکه دارای گره های زیادی است و ترافیک بالایی در این شبکه وجود دارد. مانند هر شبکه کامپیوتری، اینترنت اشیا با چالش ها و مشکلات خاص خود مواجه است که یکی از آنها مساله نفوذ به شبکه و ایجاد اختلال در آن است. در این پایان نامه تمرکز بر روی تشخیص نفوذ مبتنی بر آنومالی در شبکه اینترنت اشیا با استفاده از داده کاوی است. در این پژوهش پس از جمع آوری و آماده سازی داده ها از ماشین بردار پشتیبان بهبود یافته با الگوریتم بهینه سازی ملخ به عنوان روش پیشنهادی در جهت تشخیص نفوذ مبتنی بر آنومالی در اینترنت اشیا استفاده می شود و الگوریتم بهینه سازی ملخ پارامترهای ماشین بردار پشتیبان را به صورت بهینه تعیین می کند و نتایج با طبقه بندهای بگینگ و k- نزدیک ترین همسایه و ماشین بردار پشتیبان پایه بر اساس انواع خطا و تحلیل آماری خطا مورد مقایسه قرار می گیرد. نتایج شبیه سازی نشان از دقت 97.2% در روش پیشنهادی و عملکرد بهتر در مقایسه با سایر روش ها دارد.