عنوان ترجمه شده مقاله: یک تکنیک گروهی و مبتنی بر ویژگی های جریان آماری، به منظور شناسایی نفوذ و حفاظت از ترافیک شبکه‌ی اینترنت اشیاء

چکیده

امروزه اینترنت اشیاء (IoT) نقش قابل ملاحظه‌ای را در زندگی روزمره‌ی ما انسان ها بازی می‌کند، به گونه‌ای که اشیاء فیزیکی اطراف ما را به سرویس هایی دیجیتال متصل می‌سازد. به عبارت دیگر، IoT را می‌توان عامل محرکه‌ای در پشت پرده‌ی اتوماسیون خانگی، شهرهای هوشمند، سامانه‌های بهداشت و درمان مدرن و تولیدات پیشرفته دانست. البته پیدایش این فناوری با افزایش تهدیدهای سایبری علیه دستگاه‌ها و سرویس های IoT همراه بوده است. مهاجمین ممکن است تلاش کنند تا از آسیب پذیری های موجود در پروتکل‌های کاربردی، اعم از سیستم نام دامنه (DNS)، پروتکل انتقال فرامتن (HTTP) و پروتکل تبادل پیام (MQTT) سوء استفاده نموده تا به وسیله‌ی آن‌ها به صورت مستقیم از سیستم های پایگاه داده و اپلیکیشن های کلاینت-سرور سوء استفاده نموده تا بتوانند داده‌های مربوط به سرویس های IoT را ذخیره سازی نمایند. سوء استفاده‌ی موفقیت‌آمیز از یک یا چند مورد از این پروتکل ها می‌تواند افشای داده و رخنه‌های امنیتی را به همراه داشته باشد. در این مقاله، به ارائه‌ی یک تکنیک شناسایی نفوذ می‌پردازیم تا بتوان از شدت رویدادهای مخرب و مخصوصاً حملات بات نت که علیه پروتکل‌های DNS، HTTP، MQTT در شبکه‌های IoT رخ می‌دهد، کاست. یک سری ویژگی‌های آماری را می‌توان از روی پروتکل ها و آن هم بر مبنای تحلیل مشخصه‌های احتمالی آن‌ها به دست آورد. سپس از یک روش یادگیری گروهی تحت عنوان AdaBoost برای ارزیابی تأثیر این ویژگی ها و شناسایی رویدادهای مخرب استفاده می‌کنیم. در این روش از سه تکنیک یادگیری ماشین با نام درخت تصمیم (DT)، نایو بیز (NB) و شبکه‌ی عصبی مصنوعی (ANN) استفاده شده است. از مجموعه‌های داده‌ای UNSW=NB15 و NIMS به همراه داده‌های شبیه‌سازی شده از حسگرهای IoT استفاده می‌کنیم تا به استخراج ویژگی‌های پیشنهادی و ارزیابی تکنیک یکپارچه‌ی پیشنهادی بپردازیم. نتایج آزمایشی نشان می‌دهد که ویژگی‌های پیشنهادی دارای مشخصه‌هایی از  وجود فعالیت‌های نرمال و مخرب می­باشد. این ویژگی ها با استفاده از روش‌های ضریب همبستگی و ایستایی استفاده شده است. علاوه بر این، تکنیک ترکیبی پیشنهادی از نسبت تشخیص بالای و نسبت پایین منفی کاذب و آن هم در مقایسه با تکنیک های دیگر دسته‌بندی و سه تکنیک مدرن دیگر برخوردار می‌باشد.

1-مقدمه

در حال حاضر، فناوری‌هایی که در زمینه‌ی اینترنت اشیاء (IoT) توسعه یافته است به طور فزاینده‌ای برای ارائه‌ی خدمات آنلاین در اختیار کاربران و سازمان‌های بخش خصوصی/عمومی قرار می‌گیرد. رشد و تکامل سریع حوزه‌های تولیدی برای بکار گیری این فناوری ها، باعث افزایش سطح بکار گیری سیستم های دیجیتال و فیزیکی در کنار یکدیگر شده است. در کنار هم قرار گرفتن این سیستم ها منجر به افزایش توسعه‌ی حسگر ها، محرک ها، ارتباطات بی‌سیم و سامانه‌های شناسایی خودکار در بخش‌های بسیاری گردیده است؛ این فناوری ها در حیطه‌هایی مانند خانه‌ها، دفاتر، شهر ها و ملیت‌های هوشمند و همچنین سامانه‌های مدرن بهداشت و درمان و بخش‌های تولیدی پیشرفته بکار گرفته شده‌اند...

 میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید