بهبود برقراری امنیت شبکه در اینترنت اشیاء (IoT Security)
چکیده
گسترش سریع اینترنت اشیاء و اتصال گسترده دستگاههای کممنبع، چالشهای امنیتی جدی را در برابر شبکههای IoT ایجاد کرده است. ضعف پروتکلهای سبک و استقرار این سامانهها در محیطهای ناامن، امکان بروز حملاتی نظیر شنود، جعل هویت و حملات DoS/DDoS را افزایش میدهد. در این پژوهش، یک چارچوب تشخیص ناهنجاری شبکه با تکیه بر تحلیل آماری و مدلهای یادگیری ماشین بدون ناظر ارائه شده است. ابتدا معماری لایهای اینترنت اشیاء و تهدیدات مرتبط با هر لایه بهصورت تحلیلی بررسی میشود و سپس با مدلسازی ریاضی جریان ترافیک، مبنایی برای شناسایی رفتارهای غیرعادی فراهم میگردد. روش پیشنهادی شامل جمعآوری ترافیک در لایه دروازه، استخراج ویژگیهای آماری و رفتاری، محاسبه آنتروپی شانون و تشخیص ناهنجاری با استفاده از الگوریتم LOF است. همچنین یک مدل ریاضی جامع برای ترافیک، تهدید و تصمیمگیری ارائه میشود. نتایج تجربی نشان میدهد روش پیشنهادی با افزایش دقت تشخیص و کاهش هشدارهای کاذب نسبت به روشهای پایه عملکرد بهتری دارد و برای کاربردهای واقعی IoT مناسب است.



