مروری سیستماتیک بر تکنیک‌های تشخیص نفوذ و ناهنجاری در اینترنت اشیا

مروری سیستماتیک بر تکنیک‌های تشخیص نفوذ و ناهنجاری در اینترنت اشیا

سید امین حیدری1 حسین ایزدی2 محمد قنبری3

1) گروه مهندسی کامپیوتر، دانشگاه ملی مهارت (شهرکرد)، چهارمحال و بختیاری،
2) دانشجوی کارشناسی مهندسی کامپیوتر، دانشگاه ملی مهارت شهرکرد، چهارمحال و بختیاری،
3) دانشجوی کارشناسی مهندسی کامپیوتر، دانشگاه ملی مهارت شهرکرد، چهارمحال و بختیاری،

کد IOI مقاله : AAHD-ABHZBE
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    پذیرش روزافزون دستگاه‌های اینترنت اشیا، چالش‌های امنیتی قابل توجهی را ایجاد کرده است که نیازمند سیستم‌های تشخیص نفوذ قوی متناسب با محیط‌های ناهمگن و با محدودیت منابع است. این بررسی، مروری جامع بر تکنیک‌های تشخیص نفوذ و ناهنجاری معاصر برای سیستم‌های اینترنت اشیا ارائه می‌دهد. ما به طور سیستماتیک سه رکن اصلی را بررسی می‌کنیم: اول، رویکردهای مهندسی ویژگی، از روش‌های آماری کلاسیک گرفته تا الگوریتم‌های انتخاب پیشرفته؛ دوم، الگوهای یادگیری ماشین، شامل روش‌های نظارت‌شده، بدون نظارت و گروهی؛ و سوم، معماری‌های یادگیری عمیق پیشرفته مانند شبکه‌های عصبی کانولوشنی، شبکه‌های عصبی بازگشتی، رمزگذارهای خودکار و مدل‌های زبان بزرگ مبتنی بر ترانسفورماتور اخیر. علاوه بر این، ما به چالش‌های مهم استقرار از جمله محدودیت‌های منابع، حملات خصمانه، محدودیت‌های مجموعه داده‌ها و حفظ حریم خصوصی از طریق یادگیری فدرال می‌پردازیم. این مقاله با ترکیب یافته‌های مطالعات کلیدی منتشر شده در درجه اول بین سال‌های 2020 تا 2026، ضمن اذعان به ادبیات بنیادی، طبقه‌بندی ساختاریافته‌ای از تکنیک‌های فعلی را در اختیار محققان قرار می‌دهد و شکاف‌های تحقیقاتی باز در زمینه تشخیص نفوذ اینترنت اشیا ایمن و مقیاس‌پذیر را شناسایی می‌کند.

کلمات کلیدی : اینترنت اشیا تشخیص نفوذ تشخیص ناهنجاری مهندسی ویژگی یادگیری ماشین یادگیری عمیق