IoT ağlarında BI-LSTM-CNN sinir ağı kullanılarak sızma saldırılarının otomatik algılanması

Günümüzün hızla gelişen teknoloji ortamında, siber saldırılar ve olağandışı olayların artması, çeşitli sorunlara yol açabilecek bu düzensizliklerin ivedilikle tespit edilmesinin gerekliliğini vurgulamaktadır. Kötü niyetli saldırı sorunu, nesnelerin İnterneti (IoT) ağlarında kendini daha fazla göstermektedir, bu sorunun önemi de ilgi yoluyla oluşan ağ tarafından sunulan uygulamaların eleştirilmesiyle ortaya çıkmaktadır. Güç ağı, büyük imalat endüstrileri vb. Güç ağları, büyük imalat endüstrileri, vb. ağındaki herhangi bir düzensizlikten kaynaklı ciddi bir tehditle karşı karşıya kalacaktır. Bu saldırılar virüsler, saldırılar, kesintiler ve daha fazlası dahil olmak üzere birçok biçimde gerçekleşebilmektedir. Anomali tespiti tam da burada devreye girmektedir– veri akışlarında norm dışı olan bu sıra dışı olayları dikkatlice tanımlamanın bir yoludur. Bu zorluğun üstesinden gelmek için iki tekniği birleştiren yeni bir yaklaşım salık vermekteyiz: çift yönlü uzun kısa süreli bellek (Bi-LSTM) ve evrişimli sinir ağları (CNN). Bu eşleştirme, içerisinde anomalilerin daha hızlı ve daha doğru şekilde tanımlanmasını sağlayabilme potansiyelini bulundurmaktadır. Bu zorluğun üstesinden gelmek için iki tekniği birleştiren yeni bir yaklaşım öneriyoruz: çift yönlü uzun kısa süreli bellek (Bi-LSTM) ve evrişimli sinir ağları (CNN). Yöntemimiz, özel araçlar kullanan kontrollü bir siber ortamda derinlemesine test ettiğimiz köklü UNSW-NB15 veri kümesi üzerine tesis edilmiştir. Modelimizi daha da iyi hale getirmek için rektifiye edilmiş linear ağırlıkların kullanıldığı bir teknik ekledik. Bu ağırlıklar CNN kurulumlu Bi-LSTM için özel olarak tasarlanmıştır ve standart ağırlıkların üzerinde ilerleme sağlamaktadır. Yöntemimizi mevcut yöntemlerle karşılaştırdık ve etkileyici sonuçlarla karşı karşıya kaldık. Modelimiz %94.14'lük bir algılama doğruluğu elde ederek 'i %10,18, .'yı %13,89 ve 'yi %14,40 geride bıraktı. Bu, yaklaşımımızın anomalileri hızlı ve doğru bir şekilde tespit etmede son derece etkili olduğunun ayrıca gelişmiş siber güvenliğe katkıda bulunduğu anlamına gelmektedir.