چارچوب امنیتی هوشمند مبتنی بر هوش مصنوعی در اینترنت اشیا و شبکه‌های حسگر بی‌سیم

چارچوب امنیتی هوشمند مبتنی بر هوش مصنوعی در اینترنت اشیا و شبکه‌های حسگر بی‌سیم

هومن حسینیه فراهانی1 سمیه عزیزی2

1) دانشجوی دکتری مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی ، واحد اراک، ایران
2) دکتری مهندسی نرم افزار وهیئت علمی گروه مهندسی کامپیوتر ،دانشگاه آزاد اسلامی واحد اراک ،ایران

کد IOI مقاله : AAHD-ABKCKB
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    گسترش سریع اینترنت اشیا (IoT) و شبکه‌های حسگر بی‌سیم (WSN) به‌عنوان زیرساخت‌های کلیدی در شهرهای هوشمند، سلامت دیجیتال و سامانه‌های صنعتی، در کنار مزایای گسترده، سطح حمله را به‌طور چشمگیری افزایش داده و آن‌ها را به اهدافی جذاب برای مهاجمان سایبری تبدیل کرده است. محدودیت‌های ذاتی این شبکه‌ها از جمله توان پردازشی و انرژی محدود، ناهمگونی گره‌ها و ماهیت توزیع‌شده، کارایی راهکارهای امنیتی سنتی را با چالش جدی مواجه ساخته و نیاز به رویکردهای هوشمند، سبک‌وزن و سازگار با شرایط پویا را برجسته می‌کند. در این پژوهش، یک چارچوب امنیتی هوشمند و چندلایه مبتنی بر هوش مصنوعی برای تشخیص و پیش‌بینی تهدیدات در محیط‌های IoT و WSN ارائه می‌شود که با رویکردی داده‌محور، قادر به تحلیل بی‌درنگ رفتار شبکه و شناسایی الگوهای پیچیده حملات است. در هسته این چارچوب، ترکیبی هدفمند از الگوریتم‌های یادگیری عمیق و یادگیری ماشین (شامل مدل‌های نظارت‌شده و بدون‌نظارت) به‌کار گرفته شده است تا ضمن کشف ناهنجاری‌ها، وابستگی به داده‌های برچسب‌خورده کاهش یابد و امکان شناسایی حملات ناشناخته (Zero-day) فراهم شود. همچنین، با بهره‌گیری از مکانیزم‌های استخراج ویژگی هوشمند و کاهش بُعد، هزینه محاسباتی سیستم بهینه‌سازی شده و امکان استقرار در گره‌های با منابع محدود فراهم می‌گردد. از نوآوری‌های کلیدی این تحقیق می‌توان به طراحی معماری سلسله‌مراتبی تشخیص تهدید، ادغام تحلیل ترافیک شبکه با تحلیل رفتار گره‌ها، و استفاده از یادگیری تطبیقی برای به‌روزرسانی مستمر مدل‌ها در مواجهه با تهدیدات نوظهور اشاره کرد. چارچوب پیشنهادی نه‌تنها قادر به تشخیص دقیق انواع حملات رایج نظیر DoS، حملات سیبیل (Sybil) و جعل هویت است، بلکه با بهره‌گیری از تحلیل الگوهای زمانی-مکانی، توانایی پیش‌بینی روند تهدیدات و ارائه هشدارهای پیش‌دستانه را نیز داراست. نتایج ارزیابی تجربی بر روی مجموعه‌داده‌های معتبر و سناریوهای شبیه‌سازی‌شده نشان می‌دهد که روش پیشنهادی در مقایسه با رویکردهای مرجع، بهبود قابل‌توجهی در دقت تشخیص، نرخ کشف حملات و کاهش خطای مثبت کاذب داشته و در عین حال، سربار محاسباتی و مصرف انرژی را در سطحی بهینه حفظ می‌کند. این توازن میان کارایی امنیتی و بهره‌وری منابع، چارچوب ارائه‌شده را به گزینه‌ای عملی و مقیاس‌پذیر برای پیاده‌سازی در محیط‌های واقعی تبدیل می‌سازد. در مجموع، این مقاله با ارائه یک راهکار جامع، تطبیق‌پذیر و مبتنی بر هوش مصنوعی، گامی مؤثر در جهت ارتقای تاب‌آوری امنیتی زیرساخت‌های اینترنت اشیا و شبکه‌های حسگر بی‌سیم برداشته و می‌تواند مبنایی برای توسعه نسل آینده سامانه‌های دفاعی هوشمند در اکوسیستم‌های متصل باشد.

کلمات کلیدی : اینترنت اشیا (iot) شبکه‌های حسگر بی‌سیم (wsn) تشخیص نفوذ مبتنی بر هوش مصنوعی یادگیری ماشین و یادگیری عمیق تشخیص ناهنجاری امنیت سبک‌وزن حملات zero day