tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

طراحی سیستم تشخیص نفوذ مبتنی بر یادگیری فدراسیونی در شبکه‌های توزیع‌شده اینترنت اشیا

Authors :

سیدکاظم سیدولیلو¹ امین بابازاده سنگر²

1- دانشگاه آزاد اسلامی واحد ارومیه 2- دانشگاه آزاد اسلامی واحد ارومیه

Keywords :

اینترنت اشیاء،تشخیص نفوذ،یادگیری فدراسیونی،امنیت سایبری،شبکه‌های توزیع‌شده

Abstract :

با گسترش شبکه‌های اینترنت اشیاء (IoT) و افزایش دستگاه‌های متصل، امنیت این سیستم‌های توزیع‌شده به یک چالش عمده تبدیل شده است. تشخیص نفوذ (Intrusion Detection) به عنوان یکی از روش‌های کلیدی برای شناسایی و مقابله با حملات سایبری در این شبکه‌ها مطرح است. در این مقاله، یک سیستم تشخیص نفوذ مبتنی بر یادگیری فدراسیونی (Federated Learning) برای شبکه‌های توزیع‌شده اینترنت اشیاء طراحی و پیاده‌سازی شده است. یادگیری فدراسیونی با اجازه دادن به دستگاه‌ها برای آموزش مدل‌های محلی بدون انتقال داده‌ها به یک سرور مرکزی، حریم خصوصی و امنیت داده‌ها را حفظ می‌کند. این روش به ویژه برای شبکه‌های IoT که شامل دستگاه‌های با منابع محدود هستند، مناسب است، زیرا بار محاسباتی را کاهش داده و از افشای اطلاعات حساس جلوگیری می‌کند. در این پژوهش، از یک معماری توزیع‌شده استفاده شده است که در آن هر گره (دستگاه IoT) به طور مستقل مدل تشخیص نفوذ خود را آموزش می‌دهد و سپس مدل‌های محلی به صورت دوره‌ای برای به‌روزرسانی یک مدل جهانی ادغام می‌شوند. عملکرد سیستم پیشنهادی با استفاده از مجموعه داده‌های معتبر IoT ارزیابی شده و نتایج نشان‌دهنده بهبود قابل توجهی در دقت تشخیص حملات و کاهش نرخ هشدارهای کاذب در مقایسه با روش‌های سنتی است. این مطالعه گامی مهم در جهت ارتقاء امنیت شبکه‌های اینترنت اشیاء با استفاده از تکنیک‌های نوین یادگیری ماشین است.