New automatic (IDS) in IoTs with artificial intelligence techniques

Kablosuz sensör ağlarında izinsiz giriş tespiti, IoT sistemlerinin güvenliğini ve güvenilirliğini sağlamak için çok önemli bir görevdir. Derin öğrenme tekniklerinin izinsiz giriş tespiti de dahil olmak üzere çeşitli alanlarda etkili olduğu kanıtlanmıştır. Bu nedenle, bu çalışma, derin öğrenme tekniklerini kullanarak kablosuz sensör ağlarında izinsiz giriş tespiti için yeni bir çerçeve önermektedir. Bu çalışmada, Nesnelerin İnterneti (IoT) için bir Ağ Saldırı Tespit Sistemi (NID) geliştirmek için üç yöntem sunulacaktır. İlk yöntem, IoT sistemlerinin güvenliğini artırmak için Biyocoğrafya Tabanlı Optimizasyon (BBO) algoritması gibi optimizasyon algoritmalarıyla derin bir öğrenme modelinin eğitilmesini içerir. Optimizasyon algoritması, derin öğrenme modeli için en iyi parametrelerin bulunmasına yardımcı olarak izinsiz girişleri tespit etmede gelişmiş performansa yol açar. İkinci yöntem, yeni bir NID oluşturmak için optimizasyon algoritmalarını özellik olarak sınıflandırılan bir seçim aracıyla birleştirir. Özellik seçimi, sınıflandırıcının performansını iyileştirmek için orijinal veri kümesinden ilgili özelliklerin bir alt kümesini seçme işlemidir. Bu yöntemde, en alakalı öznitelikleri seçmek için optimizasyon algoritmaları kullanılır ve ardından izinsiz girişleri tespit etmek için bu öznitelikler üzerinde bir sınıflandırıcı eğitilir. Son olarak, bir Konvolüsyonel Sinir Ağı (CNN) ve Uzun Kısa Süreli Bellek (LSTM) katmanları, "Adam" optimize edici ile birlikte eğitim yapmak ve bir değerlendirme verisi yapmak ve veri setinde bulunan tüm boş değerleri işlemek için kullanılacaktır. CNN'ler, görüntü işlemede yaygın olarak kullanılır ve izinsiz giriş tespiti de dahil olmak üzere çeşitli uygulamalarda etkili olduğu kanıtlanmıştır. LSTM, sıralı verileri işlemek için özellikle uygun olan bir Tekrarlayan Sinir Ağı (RNN) türüdür. "Adam" iyileştirici, derin öğrenme modellerinde kayıp işlevini en aza indirmeye yardımcı olan, yaygın olarak kullanılan bir optimizasyon algoritmasıdır. Sonuç olarak, bu çalışma, derin öğrenme tekniklerini kullanarak kablosuz algılayıcı ağlarda izinsiz giriş tespiti için yeni bir çerçeve önermeyi amaçlamaktadır. Bu çalışmada sunulan üç yöntem, IoT sistemlerinde izinsiz girişleri tespit etmek, bu sistemlerin güvenliğini ve güvenilirliğini sağlamak için kapsamlı bir çözüm sağlayacaktır.