کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تشخیص نفوذ در اینترنت اشیا با استفاده از رگرسیون لجستیک و بیز ساده گاوسی

نویسندگان :

علی اکبر تجری¹

1- دانشگاه گلستان

کلمات کلیدی :

تشخیص نفوذ،رگرسیون لجستیک،بیز ساده گاوسی،الگوریتم خوشه بندی k-means

چکیده :

امروزه تشخیص نفوذ در محیط اینترنت اشیا به یک موضوع مهم تحقیقاتی در حوزهی امنیت شبکه تبدیل شده است و تاکنون محققان زیادی برروی این موضوع تمرکز کرده اند. با وجود ارائهی راه-حل های مختلف برای تشخیص حملات در بستر اینترنت اشیا، تشخیص با دقت بالا در طبقه بندی چندکلاسه و بعضاً طبقه بندی دودویی مجموعه داده ها، یکی از چالش های اساسی پیش روی تحقیقات کنونی محسوب می شود. در این مقاله، برای مقابله با مسالهی بیان شده، پس از نرمال-سازی داده ها با استفاده از الگوریتم خوشه بندی k-means در مرحلهی اول، اقدام به حذف ویژگی-های بی اثر یا کم اثر با استفاده از رگرسیون لجستیک میکنیم تا تمرکز طبقه بندی را برای تشخیص حملات افزایش دهیم. درادامه در دو شکل دودویی و چندکلاسه، عمل تشخیص و طبقه بندی داده-ها را با استفاده از الگوریتم بیز ساده گاوسی انجام می دهیم. نتایج آزمایش ها برروی دو مجموعه دادهی UNSWNB15 و CICIDS2017 نشان می دهد که استفاده از دو الگوریتم یادگیری ماشین ذکرشده می تواند در هر دو نوع طبقه بندی دودویی و چندکلاسه منجر به دقت بالای تشخیص حملات شود.