رکورد قبلیرکورد بعدی

" ارزیابی پروتکل‌های احراز هویت قابل اطمینان در اینترنت اشیاء صنعتی "


نام مرکز : کتابخانه مرکزی دانشگاه کردستان
نوع مدرک : پایان نامه فارسی
زبان مدرک : فارسی
شماره رکورد : 248922
شماره مدرک : ۵۵۲۳پ
شماره راهنما : Reg. NO ۵۵۸۹
سرشناسه : ، پدیدآور علی محمدی ، سجاد
عنوان و نام پديدآور : ارزیابی پروتکل‌های احراز هویت قابل اطمینان در اینترنت اشیاء صنعتی/ سجاد علی محمدی
محل تحصیل : : دانشگاه کردستان - دانشکده مهندسی
سال تحصیل : ، ۱۴۰۱ = ۲۰۲۲
مقطع تحصیلی : کارشناسی ارشد
رشته تحصیلی : مهندسی برق
صفحه شمار : ه.۶۳ص: مصور(بخشی رنگی)، جدول، نمودار
یادداشت : چکیده فارسی - انگلیسی
چکیده : امنیت و احراز هویت یک هدف اصلی در طراحی سیستم‌های محاسبات فعلی، از جمله سیستم‌های تعبیه شده، سیستم‌های سایبر فیزیکی و دستگاه‌های اینترنت اشیای صنعتی می‌باشد. با توجه به پیشرفت‌های روز‌افزون مبتنی بر حملات مخرب و کاهش امنیت تکنیک‌های تحمل پذیر خطا در اینترنت اشیاء، بکارگیری و ارائه روش‌هایی که بتوانند احراز هویت را در برابر حملات وارد بر شبکه نظیر حملات سایبری تضمین کرده و یا خطا را به حداقل برسانند، لازم و ضروری است. در این پژوهش به منظور افزایش دقت سیستم تشخیص نفوذ اینترنت اشیای صنعتی در برابر حملات سایبری، از روش ترکیبی مبتنی بر الگوریتم های فراابتکاری گرگ خاکستری (GWO) و شبیه سازی تبرید (SA) و الگوریتم های طبقه بندی DT، ANN و KNN استفاده شد. ابتدا داده های مربوط به حملات سایبری پس از مراحل پیش پردازش، نرمال سازی شد. در مرحله بعد با استفاده از الگوریتم های DT، ANN و KNN و ترکیب آن ها با الگوریتم های شبیه سازی تبرید و گرگ خاکستری، داده ها مورد آزمون و ارزیابی قرار گرفت.از مجموعه داده KDD Cup 99 برای ارزیابی مدل‌های پیشنهادی استفاده شده است. بر مبنای نتایج بدست آمده مشخص گردید که استفاده از الگوریتم ترکیبی GWO-ANN با دقت 2273/93 درصد از نظر دقت در انتخاب ویژگی و همچنین میزان تشخیص حملات عملکرد بهتری دارد. همچنین می‌توان این مورد راه هم استنتاج کرد که الگوریتم ANN نسبت به الگوریتم‌های DT و KNN در تلفیق با الگوریتم‌های GWO و شبیه سازی تبرید دارای دقت بالاتری است. پس از الگوریتم ANN، الگوریتم درخت تصمیم (DT) در مرتبه دوم قرار می‌گیرد، و الگوریتمی که در تلفیق با دو الگوریتم GWO و SA دارای خطای محاسباتی بیشتری می‌باشد، الگوریتم KNN است.همچنین نتایج مقایسه‌ای ما با مقاله‌ای که از الگوریتم CFA استفاده کرده بیانگر آن است که روش پیشنهادی در مقایسه با روش CFA حدود 1763/1 درصد بهبود را نشان می‌دهد.
: Security and authentication is a major goal in the design of current computing systems, including embedded systems, cyber-physical systems, and industrial Internet of Things devices. Considering the ever-increasing developments based on malicious attacks and the reduction of security of error-tolerant techniques in the Internet of Things, applying and providing methods that can guarantee authentication against attacks on the network such as cyber attacks or minimize the error it is necessary and essential. In order to increase the accuracy of the industrial Internet of Things intrusion detection system against cyber attacks, a combined method based on meta-heuristic algorithms and DT, ANN and KNN classification algorithms was used. First, the data related to cyber attacks were normalized after pre-processing steps. In the next step, using DT, ANN and KNN algorithms and combining them with refrigeration simulation (SA) and gray wolf (GWO) algorithms, the data were tested and evaluated. The KDD Cup 99 dataset has been used to evaluate the proposed models.Based on the obtained results, it was found that the use of GWO-ANN integrated algorithm with 92/9545 percent accuracy has the best performance in terms of feature selection accuracy and attack detection. On the other hand, another issue that can be derived from these results is that the ANN algorithm is more accurate than the DT and KNN algorithms in combination with the GWO and SA algorithms. After the ANN algorithm, the DT algorithm is ranked second. It can also be seen that the use of ANN algorithm in combination with both GWO and SA algorithms has more calculation error.Also, our comparative results with an article that used the CFA algorithm show that the proposed method shows an improvement of about 1.1763 percent compared to the CFA method.
توصیفگر : اینترنت اشیای صنعتی Industrial Internet of Things
: احراز هویت Authentication
: امنیت Security
: حملات سایبری Cyber Attacks
: الگوریتم گرگ خاکستری Gray Wolf Algorithm
: شبکه عصبی DDoS
: درخت تصمیم Decision Tree
: KNN KNN
شناسه افزوده : ، استاد راهنما فتحی ، محمد
: ، استاد راهنما فتحی منش ، سیروس
شناسه افزوده : دانشگاه کردستان. دانشکده مهندسی
کپی لینک

پیشنهاد خرید
پیوستها
عنوان :
نام فایل :
نوع عام محتوا :
نوع ماده :
فرمت :
سایز :
عرض :
طول :
Sajad Alimohamadi
Sajad Alimohamadi.pdf
پایان نامه فارسی
متن
application/pdf
3.76 MB
85
85
عنوان :
نام فایل :
نوع عام محتوا :
نوع ماده :
فرمت :
سایز :
عرض :
طول :
Sajad Alimohamadi - 15
Sajad Alimohamadi - 15.pdf
پایان نامه فارسی
متن
application/pdf
3.56 MB
85
85
نظرسنجی