Cybersecurity measures for attacks detection in iot with 5G based on artificial intelligence technologies

Ortaya çıkan siber güvenlik alanı, özellikle 5G ağları gibi yeni nesil iletişim ağları bağlamında, Dağıtılmış Hizmet Reddi (DDoS) saldırılarının hassas bir şekilde belirlenmesi acil bir zorluktur. 5G ortamlarına özgü büyük boyutluluk, yüksek hızlı veri iletimi ve yüksek ağ çeşitliliği, geleneksel makine öğrenimi modellerini yetersiz kılma eğilimindedir. Bu sorunları ele almak için bu araştırma, günümüzün hızlı ve karmaşık ağlarındaki olağandışı aktiviteleri tespit etmeye yardımcı olmak için simetri kullanan yeni bir derin öğrenme yaklaşımı önermektedir. İncelenen sistem mimarisi, 5G iletişimlerinde yaygın olan ağ trafiği arasındaki hiyerarşik ve simetrik karşılıklı bağımlılıkları anlama yeteneğine sahip bir Ağaç Evrişimli Sinir Ağı'dır (Tree-CNN), çünkü mimarileri dağıtılmış ve katmanlıdır. Bunu destekleyen, gizli simetrik örüntüleri çıkarma, gürültü azaltma ve anormallik davranışının ayırt edici gösterimini iyileştirme yeteneğine sahip derin bir otokodlayıcı modülüdür. Model öğrenme performansı, etkili bir keşif-sömürü dengeleyicisi sağlayan yeni bir metasezgisel yöntem olan liderden etkilenen hız tabanlı spiral optimizasyon algoritmasının eklenmesiyle daha da geliştirilmiştir. Buradaki amaç, Ağaç-CNN parametrelerini, derin oto kodlayıcıları ve sınıflandırma eşiklerini optimize etmektir; bu da gelişmiş tespit doğruluğu sağlar, ancak hesaplama pratikliğinden ödün verir. Gerçek zamanlı işleme ve uyarlanabilir tehdit tepkisinde aciliyet duygusunun olduğu 5G ağları senaryosunda, doğruluk-hız dengeleyicisinin gerekliliği ortaya çıkar. Performans ölçümleri, 5G ağlarında görülebilecek ani trafik hızları ve çok modlu girdiler gibi çeşitli trafik modellerini temsil eden üç kıyaslama veri kümesi üzerinde gerçekleştirilmiştir: UNSW-NB15, CIC-IDS 2017 ve CIC-IDS 2018. Yeni çerçeve, UNSW-NB15'te %96,02, CIC-IDS 2017'de %99,99 ve CIC-IDS 2018'de %99,96 gibi olağanüstü doğruluk seviyelerine ve neredeyse mükemmel hassasiyet ve geri çağırma oranlarına ulaştı. Bu sonuçlar, sistemin çok düşük yanlış negatif ve pozitif sonuçlarla tehditleri iyi bir şekilde tespit etme yeteneğini haklı çıkarıyor. Tasarım orta düzeyde bir hesaplama yükü getirse de, bu, tespit dayanıklılığında ve ölçeklenebilirlikte önemli bir iyileştirmeyle telafi ediliyor. Burada önemli olan, modelin yüksek veri hızlı akışların, uç işlemenin ve gecikmeye eğilimli hizmetlerin yüksek performanslı ancak garantili güvenlik mekanizmaları gerektirdiği 5G destekli altyapılarda etkinliğini göstermesidir. Önerilen simetriye duyarlı hibrit tespit modeli, yalnızca en son teknolojiye sahip gelecekteki 5G ağlarını desteklemekle kalmıyor. Yeni nesil akıllı güvenlik sistemlerinin inşasında simetrik desen tespiti, hiyerarşik özellik öğrenimi ve adaptif optimizasyonun temel bileşenler olarak önemi vurgulanmaktadır.