أمان متطور قائم على تقنية البلوك تشين واكتشاف الهجمات باستخدام ترانسفورمر في شبكة إنترنت الأشياء-السحابية

يشمل إنترنت الأشياء (IoT) العديد من الشبكات والأجهزة المتصلة. واحدة من القضايا الرئيسية المتعلقة بإنترنت الأشياء، وفقًا للباحثين وخبراء الأمن، هي المخاطر المحتملة على الخصوصية وأمان المعلومات. يوفر التعلم العميق إمكانيات هائلة للتكيف الذاتي والتنظيم الذاتي والتعميم. إدراكًا لذلك، تُستخدم خوارزميات التعلم العميق المتقدمة في هذا البحث لمعالجة قضايا الخصوصية والأمان التي تعاني منها بيئة إنترنت الأشياء. لمعالجة هذه المخاوف، يُقترح نموذج جديد يسمى شبكة BC-Trans، مستفيدًا من مزايا كلاً من تكنولوجيا البلوك تشين ومكون الترانسفورمر. يلعب الترانسفورمر دورًا حيويًا في تحديد البيانات غير الطبيعية، مما يمكّن النظام من اتخاذ تدابير استباقية ضد التهديدات المحتملة. بالإضافة إلى ذلك، يتم تقديم Hash-2 للتحقق من مستخدمي إنترنت الأشياء، مما يضيف طبقة أمان إضافية لعملية المصادقة. يُستخدم نموذج البلوك تشين لتخزين كلمات مرور المستخدمين وتفاصيلهم بشكل آمن، مما يضمن آلية مصادقة قوية وغير قابلة للتلاعب. للتحقق من النموذج المقترح، يستخدم مجموعة بيانات متاحة للجمهور هي CSE-CIC-IDS2018. تُطبق تقنيات المعالجة المسبقة، بما في ذلك اختيار الميزات باستخدام طريقة كاي تربيع، لتنقيح مجموعة البيانات. ثم يقوم وحدة الترانسفورمر بتصنيف البيانات كعادية أو غير عادية، مما يسمح بالتحديد الدقيق للخرق الأمني المحتمل. لحماية البيانات بشكل أكبر وحماية خصوصية المستخدمين، يتم استخدام طريقة التشفير الكامل المتجانس (FHE). يتيح هذا التشفير المتقدم تشفير البيانات العادية المصنفة، مما يضمن سريتها حتى أثناء النقل والتخزين. تدعم نتائج الدراسة أمان وخصوصية خادم إنترنت الأشياء السحابي من خلال إثبات فعالية النموذج المقترح في الكشف عن التهديدات الشبكية وإحباطها. مع أوقات الكشف البالغة 225.3 ثانية، ودقة 99.25%، واحترافية 99.53%، واسترجاع 99.32%، ودرجة F1 99.59%، يُظهر النظام المقترح أداءً مثيرًا للإعجاب. علاوة على ذلك، مع زيادة أعداد المخرجات، تتحسن مقاييس النظام، مما يشير إلى قابلية التوسع والمرونة.