| ارائه سیستم تشخیص حملات سایبری در اینترنت اشیاء صنعتی با استفاده از شبکه عصبی در ترکیب با الگوریتم فراابتکاری گرگ خاکستری و درخت تبرید |
| کد مقاله : 1077-CYSP2024 (R2) |
| نویسندگان |
|
سجاد علی محمدی *، محمد قاسمی تادوانی دانشگاه فرماندهی و ستاد آجا |
| چکیده مقاله |
| 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 |
| کلیدواژه ها |
| الگوریتم فرا ابتکاری گرگ خاکستری، الگوریتم شبیه‌ساری درخت تبرید، الگوریتم شبکه عصبی، سایبر، احراز هویت، سیستم تشخیص نفوذ، اینترنت اشیاء صنعتی |
| وضعیت: پذیرفته شده برای ارائه شفاهی |