تشخیص بدافزارهای روز صفر با استفاده از شبکه‌های عصبی گرافی در اکوسیستم‌های اینترنت اشیا

تشخیص بدافزارهای روز صفر با استفاده از شبکه‌های عصبی گرافی در اکوسیستم‌های اینترنت اشیا

زهرا استبرقی1 سمیه حاج حسینی2 زینب کلانتری3

1) 1- دانشجوی کارشناسی ارشد کامپیوتر ، گروه کامپیوتر، واحد رفسنحان ، دانشگاه آزاد اسلامی ، رفسنجان ، ایران
2) 2- دانشجوی کارشناسی ارشد کامپیوتر، گروه کامپیوتر، واحد رفسنحان ، دانشگاه آزاد اسلامی ، رفسنجان ، ایران
3) استادیار گروه کامپیوتر، واحد رفسنحان ، دانشگاه آزاد اسلامی ، رفسنجان ، ایران

کد IOI مقاله : AAHD-ABEFEE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    رشد انفجاری دستگاه‌های اینترنت اشیا ، سطح حمله جدید و گسترده‌ای را برای مهاجمان سایبری ایجاد کرده است. بدافزارهای روز صفر ،که فاقد امضای شناخته‌شده هستند، بزرگترین چالش برای سیستم‌های امنیتی سنتی محسوب می‌شوند. در این مقاله، ما یک رویکرد نوین مبتنی بر شبکه‌های عصبی گرافی برای تشخیص بدافزارهای روز صفر در محیط‌های اینترنت اشیاء ارائه می‌دهیم. روش پیشنهادی بر مدل‌سازی رفتار سیستم به‌صورت گرافی تمرکز دارد، جایی که موجودیت‌هایی مانند فرآیندها، فایل‌ها و ارتباطات شبکه به عنوان گره و تعاملات بین آن‌ها به عنوان یال نمایش داده می‌شوند. با بهره‌گیری از معماری‌های پیشرفته‌ای مانند شبکه‌های عصبی کانولوشن گرافی و شبکه‌های عصبی توجه گرافی ، مدل ما قادر است الگوهای پیچیده و پنهانِ رفتارهای مخرب را حتی بدون دانش قبلی از آن‌ها شناسایی کند. با توجه به محدودیت‌های محاسباتی و حافظه در دستگاه‌های اینترنت اشیاء، یک مدل سبک و بهینه ارائه شده است که توازن مناسبی بین دقت تشخیص و سربار پردازشی برقرار می‌کند. نتایج ارزیابی روی مجموعه داده‌های استاندارد اینترنت اشیاء نشان می‌دهد که مدل پیشنهادی به دقت بالایی در شناسایی حملات روز صفر دست یافته و به طور قابل توجهی از روش‌های سنتی و مبتنی بر یادگیری ماشین کلاسیک عملکرد بهتری دارد.

کلمات کلیدی : اینترنت اشیاء بدافزار روز صفر شبکه‌های عصبی گرافی تحلیل رفتار گرافی مدل سبک امنیت سایبری شبکه‌های عصبی کانولوشن گرافی شبکه‌های عصبی توجه گرافی