자동인코더 딥 신경망과 채널 접근 알고리즘을 이용한 IoT 네트워크 보안

초록 사물인터넷(IoT)은 스펙트럼 감지, 정보 검색, 의료 분석, 교통 관리 등에서 상당한 영향을 미칩니다. 이러한 애플리케이션은 특정 작업을 수행하기 위해 지속적인 정보가 필요합니다. 그 시점에서, 재밍, 우선 순위 위반 공격 및 스펙트럼 오염 공격과 같은 다양한 중간 공격이 무선 통신의 개방적 성격으로 인해 통신에 영향을 미칩니다. 이러한 공격은 데이터 통신 중 보안 및 개인 정보 문제를 발생시킵니다. 따라서 탐색적, 회피적, 원인 제공 및 우선 순위 위반 공격을 고려하여 새로운 방법인 자동인코더 딥 신경망(AENN)이 개발되었습니다. 생성된 방법은 전송 상태를 예측하는 데 사용된 전송 결과를 분류하여 재밍 데이터 전송인지 또는 감지 데이터인지 확인합니다. 그 후, 감지 데이터가 네트워크 훈련에 적용되어 중간 공격을 예측합니다. 이 외에도, 비인가 접근을 최소화하는 모든 접근에 대해 채널을 검증하기 위해 채널 접근 알고리즘이 사용됩니다. 신경망에 따라 채널을 검증한 후, 데이터가 네트워크를 통해 전송됩니다. 정의된 프로세스가 구현되고, 시스템은 다양한 에너지 소비 수준에서 다양한 공격을 최소화합니다. 시스템의 효과는 TensorFlow를 사용하여 구현되었으며, 이 시스템은 다른 기술과 비교할 때 99.02%의 탐지율을 보장합니다.