مقاله با عنوان Internet of Things: A survey on machine learning-based intrusion detection approaches (ترجمه مقاله اینترنت اشیا: یک نظرسنجی در مورد رویکردهای تشخیص نفوذ مبتنی بر یادگیری ماشین ) را از اینجا دانلود کنید.

پشتیبانی: دارد. در صورت هرگونه مشکل با شماره 09367938018 در واتس اپ یا تلگرام و یا جهت سفارش ترجمه مقاله با پشتیبانی به شماره 09191732587 در واتس اپ یا تلگرام تماس حاصل فرمایید.

کیفیت محصول: عالی

قیمت: 15000 تومان

ژورنال: Computer Networks

سال مقاله: 2019

جهت سفارش ترجمه با کم ترین قیمت موجود در کشور به واتساپ و تلگرام به شماره ی 09191732587 مراجعه کنید.

چکیده:

در سناریوی جهانی ، نگرانی های مربوط به امنیت و حریم خصوصی در مورد شبکه های رایانه ای همیشه افزایش می یابد. امنیت رایانه به دلیل گسترش فناوری های اطلاعاتی در زندگی روزمره به یک ضرورت تبدیل شده است. افزایش تعداد دسترسی به اینترنت و ظهور فن آوری های جدید ، مانند اینترنت اشیا ، با تلاش های جدید و مدرن برای حمله به سیستم ها و شبکه های رایانه ای همراه است. شرکت ها به طور فزاینده ای در مطالعات برای بهینه سازی شناسایی سرمایه گذاری می کنند. م ofسسات در حال انتخاب روشهای هوشمند برای آزمایش و تأیید با مقایسه بهترین میزان دقت هستند. بنابراین ، این تحقیق بر روی ادبیات پیشرفته در زمینه تکنیک های یادگیری ماشین مورد استفاده در اینترنت و موارد متمرکز است. تشخیص نفوذ برای امنیت شبکه رایانه ای. هدف این کار ، تحقیقات اخیر و عمیق در مورد کارهای مربوطه است که با چندین تکنیک هوشمند و معماری های کاربردی تشخیص نفوذ در شبکه های رایانه ای با تأکید بر اینترنت اشیا و یادگیری ماشین سروکار دارد. بیش از 95 اثر در این زمینه مورد بررسی قرار گرفت ، و در مضامین مختلف مربوط به مسائل امنیتی در محیط اینترنت اشیا قرار گرفت.

نتیجه گیری.

این تحقیق متوجه شده است که تشخیص نفوذ در زمینه اینترنت اشیا هنوز هم یک چالش است. با تکامل اینترنت به اینترنت اشیا ، تمرکز از اتصال به داده تغییر می کند. بنابراین ، این کار بر جدیدترین مطالعات در زمینه شناسایی نفوذ و تکنیکهای هوشمند اعمال شده در اینترنت اشیا برای ایمن نگه داشتن داده ها متمرکز است.

کارهای بررسی شده در این مقاله ، به طور عمده ، در مورد نگرانی و تلاشهای زیادی که توسط جامعه علمی و همچنین صنعت انجام شده است ، بر روی توسعه پروتکل های امنیتی بهینه سازی شده است که با حفظ مصرف کم یا متوسط ​​انرژی ، به محافظت منطقی دست می یابند.

این کار همچنین چندین روش هوشمند را ارائه می دهد که در زمینه امنیت در شبکه های رایانه ای و دقیق تر در تشخیص نفوذ اعمال می شود. چنین تکنیک هایی به دنبال دستیابی به نرخ تشخیص بهتر در تشخیص نفوذ هستند ، اما تصور می شود که نرخ مثبت کاذب هنوز مشکلی است که باید در تمام مطالعات حل شود.

برخی از تکنیک ها می توانند میزان مثبت کاذب را کاهش دهند ، اما درعوض ، زمان آموزش و طبقه بندی افزایش می یابد. از طرف دیگر ، برخی از تکنیک ها روند معکوس را انجام می دهند ، به عنوان مثال ، نرخ مثبت کاذب تثبیت می شود ، اما به قیمت یک بار محاسباتی بالا برای آموزش و آزمایش. چنین مسئله ای برای تشخیص نفوذ مهم است ، جایی که تشخیص در زمان واقعی یک عامل مهم است.

Abstract

In the world scenario, concerns with security and privacy regarding computer networks are always increasing. Computer security has become a necessity due to the proliferation of information technologies in everyday life. The increase in the number of Internet accesses and the emergence of new technologies, such as the Internet of Things (IoT paradigm, are accompanied by new and modern attempts to invade computer systems and networks. Companies are increasingly investing in studies to optimize the detection of these attacks. Institutions are selecting intelligent techniques to test and verify by comparing the best rates of accuracy. This research, therefore, focuses on rigorous state-of-the-art literature on Machine Learning Techniques applied in Internet-of-Things and Intrusion Detection for computer network security. The work aims, therefore, recent and in-depth research of relevant works that deal with several intelligent techniques and their applied intrusion detection architectures in computer networks with emphasis on the Internet of Things and machine learning. More than 95 works on the subject were surveyed, spanning across different themes related to security issues in IoT environments.