DiBLIoT: یک پروتکل لیست سیاه توزیع شده برای طبقه بندی دستگاه iot با استفاده از الگوریتم اجماع هشگراف
| عنوان | DiBLIoT: یک پروتکل لیست سیاه توزیع شده برای طبقه بندی دستگاه iot با استفاده از الگوریتم اجماع هشگراف |
|---|---|
| نویسنده | طرلان، اوزان، شافاک، آی.، چاکماکچی، کوبرا کالکان |
| تاریخ انتشار: | 2022 |
| محل انتشار | - انجمن کامپیوتر IEEE |
| موضوع | فناوری دفتر کل توزیع شده، اینترنت اشیا، یادگیری ماشینی، امنیت شبکه |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 978-166541332-9 |
| شماره ثبت | a22111da-f6a0-489c-81df-c653531c1e80 |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2022 |
| متن نمونه | کاربردهای صنعتی به ارتباطات بسیار قابل اعتماد، ایمن، کم مصرف و تاخیر کم نیاز دارند. با این حال، لینک های ارتباطی بی سیم در محیط صنعتی از اختلالات کانال های مختلف رنج می برند که می تواند الزامات فوق را به خطر بیندازد. این مقاله یک پروتکل لیست سیاه قابل اعتماد جدید را برای اطمینان از امنیت شبکه اینترنت اشیا (IoT) و کاهش اثرات تداخل ناشی از محو شدن چند مسیری Rayleigh با استفاده از یک رویکرد توزیع شده ارائه میکند. پروتکل لیست سیاه پیشنهادی بر روی یک راه اندازی شبکه IoT توزیع شده شبیه سازی شده است که در آن محو شدن مسطح Rayleigh باعث اختلال در ارتباطات دورسنجی صف پیام (MQTT) می شود. سرورهای توزیع شده به طور مشترک در زمان واقعی تصمیم می گیرند که آیا یک دستگاه را پس از انجام تشخیص ناهنجاری به صورت جداگانه و ارسال نتایج خود به شبکه هشگراف در لیست سیاه قرار دهند. دستگاههای اینترنت اشیا با روش انگشت نگاری دستگاه با استفاده از الگوریتمهای مختلف یادگیری ماشین (ML) طبقهبندی میشوند که با دادههای ضبط بسته در زمان واقعی آموزش داده میشوند. پروتکل پیشنهادی لیست سیاه نشان داده شده است که دقت لیست سیاه دستگاه های بدخیم را از 42% به 82% افزایش می دهد زیرا تعداد سرورها از یک به 5 برای حملات مختلط افزایش می یابد. همچنین در مقایسه با کارهای مربوط به حملات انکار سرویس (DoS) به دقت های بالاتری بین 47.2٪ -97.6٪ در مقابل 47.4٪ -90.7٪ دست می یابد. پروتکل پیشنهادی به ویژه برای IoT صنعتی (IIoT) در کاهش اثرات محیط های ارتباطی سخت در تاسیسات تولیدی مناسب است. |
| DOI | 10.1109/ICOIN53446.2022.9687198 |
| Cilt | 2022 |
