Angriffserkennungssystem auf PHY/MAC-Ebene mit neuro-fuzzy Algorithmus für IoT-Netzwerke

Das Internet der Dinge (IoT) ist ein neuartiges Paradigma, das weltweit identifizierbare physische Objekte umfasst, die mit dem Internet integriert sind. Diese Arbeit präsentiert ein Angriffserkennungsmodell unter Verwendung des Artificial Neuro-Fuzzy Interface System (ANFIS) für IoT-Netzwerke. Basierend auf dem Eingabe-Ausgabe-Profil passt ANFIS seine Regeln und Mitgliedschaftsparameter unter Verwendung eines hybriden Rückpropagations- und Lernalgorithmus an. In diesem Papier wurde der Sugeno-Typ ANFIS berücksichtigt. Das ANFIS-Modell kann dynamische Informationen wie Datenverkehr, Energieniveau, Paketgröße, Paketrate, Quell-Ziel-Adresse, Quell-Ziel-Ports usw. als Eingabeprofile verwenden und den aktuellen Netzwerksicherheitszustand als Ausgabeprofil erzeugen. Die Leistung des ANFIS-Angriffserkennungsmodells kann mit Modellen der Angriffserkennung basierend auf Fuzzy-Logik, neuronalen Netzwerken und Mustererkennung verglichen werden. Die Leistungsbewertung zeigt, dass das vorgeschlagene Modell zuverlässiger ist als andere Ansätze, basierend auf der Verwirrungsmatrix, dem mittleren quadratischen Fehler und der Genauigkeitsmessung.