رویکردهای یادگیری عمیق برای تشخیص ناهنجاری در شبکه‌های حسگر بی‌سیم

رویکردهای یادگیری عمیق برای تشخیص ناهنجاری در 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-ABKDHE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    شبکه‌های حسگر بی‌سیم به‌عنوان یکی از فناوری‌های کلیدی در حوزه اینترنت اشیا و سامانه‌های هوشمند می باشد و نقش مهمی در جمع‌آوری و انتقال داده‌ها از محیط‌های مختلف ایفا می‌کنند. با وجود کاربردهای گسترده این شبکه‌ها، محدودیت منابع محاسباتی، انرژی محدود گره‌ها و تغییرپذیری شرایط شبکه، تشخیص به‌موقع رفتارهای غیرعادی و جلوگیری از اختلال در عملکرد آن‌ها را به یک چالش مهم تبدیل کرده است. روش‌های سنتی تشخیص ناهنجاری، به دلیل وابستگی به ویژگی‌های از پیش تعریف‌شده، در شناسایی الگوهای پیچیده و ناشناخته با محدودیت‌هایی مواجه هستند. ازاین‌رو، در سال‌های اخیر روش‌های مبتنی بر یادگیری عمیق به دلیل توانایی بالا در یادگیری خودکار ویژگی‌ها و تحلیل داده‌های پیچیده، توجه بسیاری از پژوهشگران را به خود جلب کرده‌اند. این مقاله به بررسی جامع رویکردهای مختلف یادگیری عمیق در تشخیص ناهنجاری شبکه‌های حسگر بی‌سیم می‌پردازد و عملکرد مدل‌هایی نظیر شبکه‌های عصبی کانولوشنی (CNN)، شبکه‌های حافظه بلندکوتاه‌مدت (LSTM)، شبکه‌های خودرمزگذار (Autoencoder) و معماری‌های ترکیبی را مورد تحلیل قرار می‌دهد. هدف اصلی این پژوهش، ارائه دیدگاهی یکپارچه از قابلیت‌ها، مزایا و چالش‌های این روش‌ها در مواجهه با داده‌های پیچیده و پویای شبکه‌های حسگر بی‌سیم است و هممچنین بررسی مطالعات انجام‌شده نشان می‌دهد که مدل‌های یادگیری عمیق با توانایی استخراج الگوهای پنهان از داده‌ها، می‌توانند دقت تشخیص را افزایش داده و نرخ هشدارهای کاذب را نسبت به روش‌های سنتی کاهش دهند. بااین‌حال، چالش‌هایی مانند نیاز به داده‌های آموزشی مناسب، هزینه پردازشی بالا، مصرف انرژی و محدودیت استقرار در گره‌های کم‌توان همچنان از مسائل مهم این حوزه به شمار می‌روند. در نهایت، این مقاله ضمن مرور دستاوردهای اخیر، بر ضرورت توسعه مدل‌های سبک، بهینه و قابل تفسیر برای استفاده در نسل آینده شبکه‌های حسگر بی‌سیم تأکید می‌کند.

کلمات کلیدی : شبکه‌های حسگر بی‌سیم تشخیص ناهنجاری یادگیری عمیق شبکه عصبی lstm cnn خودرمزگذار اینترنت اشیا