پذیرفته شده برای ارائه شفاهی ، صفحه 567-577 (11)

کد مقاله : 1077-CYSP2024 (R2)

پژوهشگاه جنگ، دانشگاه فرماندهی و ستاد آجا، تهران

در این مقاله سعی شده است تا به‌منظور ارائه یک مدل جهت افزایش ‏دقت سیستم تشخیص نفوذ اینترنت اشیای صنعتی در ‏برابر حملات سایبری، ‏روش ترکیبی مبتنی بر الگوریتم فراابتکاری گرگ خاکستری و شبیه‌سازی ‏تبرید با الگوریتم شبکه ‏عصبی مورد مطالعه قرار گیرد.‏
ابتدا داده‌ها پیش‌پردازش و نرمال‌سازی شده، سپس در مرحله ‏بعد با استفاده از الگوریتم‌های فرا ابتکاری گرگ خاکستری و ‏شبیه‌سازی ‏درخت تبرید و ترکیب آن‌ها با الگوریتم شبکه عصبی، داده‌ها مورد آزمون و ‏ارزیابی قرار گرفته‌اند.‏
بر مبنای نتایج به‌دست‌آمده، استفاده از الگوریتم ترکیبی ‏SA-ANN‏ ‏دارای دقت 4091/88 درصد و ‏GWO-KNN‏ دارای ‏دقت ‏2273/93 در ‏تشخیص حملات سایبری می‌باشند.‏
مشخص گردید که استفاده از الگوریتم ترکیبی ‏GWO-ANN‏ با ‏دقت ‏2273/93‏ درصد ازنظر دقت در انتخاب ویژگی و ‏همچنین میزان ‏تشخیص حملات عملکرد بهتری دارد.

الگوریتم فرا ابتکاری گرگ خاکستری؛ الگوریتم شبیه‌سازی درخت تبرید؛ الگوریتم شبکه عصبی؛ سایبر؛ احراز هویت؛ ‏سیستم تشخیص نفوذ؛ اینترنت اشیاء صنعتی

امنیت سایبر؛ اینترنت اشیا؛ هوش مصنوعی