مروری بر تامین امنیت اینترنت اشیا با استفاده از یادگیری ماشین

•   آرشیو : نسخه تابستان 1399
•   نوع مقاله : پژوهشی
•   شناسه دیجیتال (DOI) :
•   کد پذیرش : 1371
•   موضوع : سایر شاخه های علوم رایانه
• نویسنده/گان : منا نجفی سرپیری، محمدرضا سلطان آقایی
•   چکیده :
  با گسترش استفاده از اینترنت که کلیه نقاط جهان را به یکدیگر متصل نموده است، شبکه های اینترنت اشیا با اتصال دستگاه های مختلف به شدت مورد توجه قرار گرفتند. اینترنت اشیا یک شبکه از اشیا هستند که با حسگرها، نرم‏افزارها و سایر تکنولوژی ها و به هدف ارتباط و تبادل داده با سایر دستگاه ها بر روی بستر اینترنت است. اینترنت اشیا در همه حوزه های فنی، اجتماعی و اقتصادی تاثیر فزاینده ای دارد. افزایش روزافزون دستگاه های متصل به شبکه اینترنت اشیا باعث شد تا تهدیدات و خطرات احتمالی در این نوع شبکه ها بیش از هرچیز مورد توجه قرار گیرد. بسیاری از دستگاه های متصل در شبکه اینترنت اشیا اساسا ناامن هستند و در بستر اینترنت در معرض حملات مختلف قرار می گیرند که ممکن است منجر به آسیب های جدی گردد. وجود خطرات و تهدیدات مختلف در فضای شیکه اینترنت اشیا باعث شد راه کارهای متنوعی جهت تامین امنیت این شبکه ها مانند حفاظت از داده ها، رمز نگاری، مخابرات امن، سنسور ها و الگوریتم های رمزنگاری ارائه گردد. یکی از حوزه هایی که می تواند در مبحث تامین اینترنت اشیا بسیار مورد توجه قرار گیرد استفاده از مفاهیم و الگوریتم های یادگیری ماشین است. توانایی یادگیری ماشین در تحلیل داده ها، طبقه بندی و کشف و شناسایی تهدیدات و حملات در شبکه های اینترنت اشیا، به عنوان یک لایه محافظتی در این شبکه ها هستند.در این مقاله برخی از تحقیقات انجام شده در خصوص راهکارهای تامین امنیت شبکه اینترنت اشیا با استفاده از الگوریتمها و مفاهیم یادگیری ماشین بررسی می گردد.
•   کلید واژه : شبکه، اینترنت اشیا، امنیت شبکه، یادگیری ماشین، الگوریتم های یادگیری ماشین
•   Title :
•   Abstract :
  
•   key words :
  
•   مراجع :
  [1] M. Ammar, G. Russello, and B. Crispo, "Internet of Things: A survey on the security of IOT frameworks," Journal of Information Security and Applications, vol. 38, pp. 8-27, 2018.
  [2] N. M. Radwan, "A Study: The Future of the Internet of Things and its Home Applications," International Journal of Computer Science and Information Security (IJCSIS), vol. 18, no. 1, 2020.
  [3] S. Chowdhury, R. Jain, M. Thimmaiah, R. Prajwal, and K. Rakesh, "IOT based home automation and security systems: A literature survey," International Journal of Advance Research, Ideas and Innovations in Technology, vol. 5, no. 2, 2019.
  [4] H. Hosseinian, H. Damghani, L. Damghani, G. Nezam, and H. Hosseinian, "Home appliances energy management based on the IOT system," International Journal of Nonlinear Analysis and Applications, vol. 10, no. 1, pp. 167-175, 2019.
  [5] S. P. Yadav, A. Kumbhare, and R. Parab, "Smart Home Application using Internet of Things," perception, vol. 6, no. 02, 2019.
  [6] Z. Zhao et al., "A novel framework of three-hierarchical offloading optimization for MEC in industrial IOT networks," IEEE Transactions on Industrial Informatics, vol. 16, no. 8, pp. 5424-5434, 2019.
  [7] A.-R. Sadeghi, C. Wachsmann, and M. Waidner, "Security and privacy challenges in industrial internet of things," in 2015 52nd ACM/EDAC/IEEE Design Automation Conference (DAC), 2015, pp. 1-6: IEEE.
  [8] T. Perković, S. Damjanović, P. Šolić, L. Patrono, and J. J. Rodrigues, "Meeting Challenges in IOT: Sensing, Energy Efficiency, and the Implementation," in Fourth International Congress on Information and Communication Technology, 2020, pp. 419-430: Springer.
  [9] K. D. Kumar, M. Sudhakara, and R. K. Poluru, "Towards the Integration of Blockchain and IOT for Security Challenges in IOT: A Review," in Transforming Businesses With Bitcoin Mining and Blockchain Applications: IGI Global, 2020, pp. 45-67.
  [10] S. Stankovski, G. Ostojić, L. Tarjan, M. Stanojević, and M. Babić, "CHALLENGES OF IOT PAYMENTS IN SMART SERVICES," Annals of DAAAM & Proceedings, vol. 30, 2019.
  [11] Z.-K. Zhang, M. C. Y. Cho, C.-W. Wang, C.-W. Hsu, C.-K. Chen, and S. Shieh, " IOT security: ongoing challenges and research opportunities," in 2014 IEEE 7th international conference on service-oriented computing and applications, 2014, pp. 230-234: IEEE.
  [12] K. Tabassum, A. Ibrahim, and S. A. El Rahman, "Security issues and challenges in IOT," in 2019 International Conference on Computer and Information Sciences (ICCIS), 2019, pp. 1-5: IEEE.
  [13] F. Hussain, R. Hussain, S. A. Hassan, and E. Hossain, "Machine learning in IOT security: current solutions and future challenges," IEEE Communications Surveys & Tutorials, 2020.
  [14] M. A. Khan and K. Salah, " IOT security: Review, blockchain solutions, and open challenges," Future Generation Computer Systems, vol. 82, pp. 395-411, 2018.
  [15] S. Zeadally and M. Tsikerdekis, "Securing Internet of Things (IOT) with machine learning," International Journal of Communication Systems, vol. 33, no. 1, p. e4169, 2020.
  [16] F. Mclay, "Privacy law: How to save face: Data and privacy safeguards," Governance Directions, vol. 70, no. 4, p. 202, 2018.
  [17] M. T. Gardner, C. Beard, and D. Medhi, "Using SEIRS epidemic models for IOT botnets attacks," in DRCN 2017-Design of Reliable Communication Networks; 13th International Conference, 2017, pp. 1-8: VDE.
  [18] L. Munoz Gonzalez and E. Lupu, "The secret of machine learning," 2018.
  [19] L. E. Kane, J. J. Chen, R. Thomas, V. Liu, and M. Mckague, "Security and Performance in IOT: A Balancing Act," IEEE Access, vol. 8, pp. 121969-121986, 2020.
  [20] P. Williams, P. Rojas, and M. Bayoumi, "Security Taxonomy in IOT–A Survey," in 2019 IEEE 62nd International Midwest Symposium on Circuits and Systems (MWSCAS), 2019, pp. 560-565: IEEE.
  [21] Y. Yang, X. Zheng, W. Guo, X. Liu, and V. Chang, "Privacy-preserving smart IOT-based healthcare big data storage and self-adaptive access control system," Information Sciences, vol. 479, pp. 567-592, 2019.
  [22] N. Nesa, T. Ghosh, and I. Banerjee, "Non-parametric sequence-based learning approach for outlier detection in IOT," Future Generation Computer Systems, vol. 82, pp. 412-421, 2018.
  [23] F. Li, J. Hong, and A. A. Omala, "Efficient certificateless access control for industrial internet of things," Future Generation Computer Systems, vol. 76, pp. 285-292, 2017.
  [24] B. Chatterjee, D. Das, S. Maity, and S. Sen, "RF-PUF: Enhancing IOT security through authentication of wireless nodes using in-situ machine learning," IEEE Internet of Things Journal, vol. 6, no. 1, pp. 388-398, 2018.
  [25] H. Liu and B. Lang, "Machine learning and deep learning methods for intrusion detection systems: A survey," Applied Sciences, vol. 9, no. 20, p. 4396, 2019.
  [26] R. Doshi, N. Apthorpe, and N. Feamster, "Machine learning ddos detection for consumer internet of things devices," in 2018 IEEE Security and Privacy Workshops (SPW), 2018, pp. 29-35: IEEE.
  [27] J. Canedo and A. Skjellum, "Using machine learning to secure IOT systems," in 2016 14th annual conference on privacy, security and trust (PST), 2016, pp. 219-222: IEEE.
  [28] P. C. M. Arachchige, P. Bertok, I. Khalil, D. Liu, S. Camtepe, and M. Atiquzzaman, "A trustworthy privacy preserving framework for machine learning in industrial IOT systems," IEEE Transactions on Industrial Informatics, vol. 16, no. 9, pp. 6092-6102, 2020.
•  صفحات : 74-81
•   دانلود اصل مقاله ( 560.55 KB )