इंटरनेट ऑफ थिंग्स में प्रभावी गहन शिक्षण-आधारित घुसपैठ पहचान प्रणाली की ओर

वितरित संवेदक नेटवर्क दिन-प्रतिदिन के कंप्यूटिंग अनुप्रयोगों की दुनिया में महत्वपूर्ण भूमिका निभाते हैं, बादल से लेकर इंटरनेट ऑफ थिंग्स (IoT) तक। ये कंप्यूटिंग अनुप्रयोग उपकरण सामान्यतः माइक्रोकंट्रोलर्स जैसे संवेदक, कार्यकर्ता, और एद्रिनो नेटवर्क कनेक्टिविटी के साथ जुड़े होते हैं। सुरक्षा नेटवर्क के साथ एक घुसपैठ पहचान प्रणाली आधुनिक नेटवर्क की आवश्यकता के रूप में कार्य करता है। अवश्यम्भावी विकास के दशकों के बावजूद, घुसपैठ पहचान प्रणाली अभी भी एक चुनौतीपूर्ण शोध क्षेत्र है क्योंकि मौजूदा घुसपैठ पहचान प्रणाली हस्ताक्षर आधारित तकनीकों का उपयोग करती है जबकि असामान्यताओं की पहचान नहीं करती। मौजूदा घुसपैठ पहचान प्रणाली इसलिए घुसपैठ पहचान में सुधार के लिए चुनौतियों का सामना कर रही है, heterogeneous डेटा स्रोतों को संभालना IoT नेटवर्क में शून्य-दिन के हमलों का पता लगाने के लिए कठिन है। यह पत्र डेटा संचार दृष्टिकोण के साथ घुसपैठ पहचान के लिए फ़िल्टर्ड डीप लर्निंग मॉडल प्रस्तुत करता है। प्रस्तावित मॉडल में पाँच चरण शामिल हैं: संवेदक नेटवर्क का प्रारंभिककरण, क्लस्टर बनाना और क्लस्टर प्रमुख का चयन, कनेक्टिविटी, हमले की पहचान, और डेटा दलाल। प्रस्तावित घुसपैठ पहचान मॉडेल ने मौजूदा गहन शिक्षण न्यूरल नेटवर्क और कृत्रिम न्यूरल नेटवर्क को पार करने का प्रदर्शन किया। प्रयोगात्मक परिणामों ने प्रमुख एल्गोरिदम की तुलना में 96.12% सटीकता का बेहतर परिणाम दर्शाया।