इंटरनेट ऑफ थिंग्स घुसपैठ पहचान के लिए गहन शिक्षा मॉडल

इंटरनेट ऑफ थिंग्स (IoT) दिनचर्या जीवन पर बड़ा प्रभाव डालता है, वस्तुओं और सर्वरों के बीच कुशल डेटा एक्सचेंज को सक्षम करके। हालांकि, साइबर हमले IoT उपकरणों के लिए एक गंभीर खतरा उत्पन्न करते हैं। घुसपैठ पहचान प्रणाली (IDS) नेटवर्क की सुरक्षा के लिए महत्वपूर्ण हैं, और सुरक्षा बढ़ाने के लिए मशीन लर्निंग विधियों का उपयोग लगातार बढ़ रहा है। सहीता और प्रदर्शन में निरंतर सुधार IoT सुरक्षा के लिए महत्वपूर्ण है। गहन शिक्षा न केवल पारंपरिक मशीन लर्निंग विधियों से बेहतर है, बल्कि IDS प्रणालियों को मजबूत करने में अनछुए संभावनाएँ भी रखती है। यह पेपर IoT नेटवर्क में विसंगति पहचान के लिए एक नवोन्मेषी गहन शिक्षा ढांचे को पेश करता है, जो द्विदिशात्मक लंबे शॉर्ट-टर्म मेमोरी (BiLSTM) और ग्रेटेड रकरेन्ट यूनिट (GRU) आर्किटेक्चर का उपयोग करता है। प्रस्तावित मॉडल के हाइपर पैरामीटर JAYA ऑप्टिमाइजेशन तकनीक का उपयोग करके अनुकूलित किए जाते हैं। इन मॉडलों को IoT-23 और MQTTset डेटासेट का उपयोग करके मान्यता प्राप्त की जाती है। कई प्रदर्शन मेट्रिक्स जैसे सहीता, सटीकता, पुनः प्राप्ति, f-स्कोर, सही नकारात्मक दर (TNR), गलत सकारात्मक दर (FPR), और गलत नकारात्मक दर (FNR) को सुझाए गए मॉडल की प्रभावशीलता का आकलन करने के लिए चुना गया है। अनुभवजन्य परिणामों की जांच की जाती है और IoT के लिए घुसपैठ पहचान के क्षेत्र में प्रचलित दृष्टिकोणों के साथ तुलना की जाती है। उल्लेखनीय है कि, प्रस्तावित विधि मौजूदा विधियों की तुलना में बेहतर सहीता प्रदर्शित करती है।