ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Intensive Investigation of RPL Attacks Based on Artificial Neural Network in Internet of Things "IoT"

العنوان بلغة أخرى: دراسة مكثفة لهجمات RPL على أساس الشبكة العصبية الاصطناعية في إنترنت الأشياء "IoT"
المصدر: مجلة المنصور
الناشر: كلية المنصور الجامعة
المؤلف الرئيسي: مهدي، رياض حازم (مؤلف)
المؤلف الرئيسي (الإنجليزية): Mahdi, Reyadh Hazim
مؤلفين آخرين: عبدالأمير، ياسمين حمزة (م. مشارك) , بديوي، فيصل غازي (م. مشارك)
المجلد/العدد: ع40
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الصفحات: 1 - 15
DOI: 10.36541/0231-000-040-008
ISSN: 1819-6489
رقم MD: 1492303
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink, HumanIndex
مواضيع:
كلمات المؤلف المفتاحية:
أمن انترنت الأشياء | تعلم الشبكة العصبية الاصطناعية | بروتوكول التوجيه | إصلاح الهجوم المحلي | IoT Security | ANN Learning | RPL Attacks | Rank Attack | Local Repair Attack
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: يعتبر بروتوكول التوجيه لشبكات الطاقة المنخفضة مناسباً بشكل ممتاز لأجهزة إنترنت الأشياء المقيدة (IoT) نظراً لإجراءاتها الموفرة للطاقة وأساليب التشغيل الآمنة والمقيدة والتي يمكن الوصول إليها. ومع ذلك، فإن الحاجة الملحة للأمن في شبكات إنترنت الأشياء القائمة على RPL تدفعنا إلى النظر في توجيه نقاط الضعف وتقييمها وتقديم مبررات محتملة للتحقيق العميق وتحليل وقياس هجمات هيكلية الشبكة في RPL التي تسمى الرتبة والإصلاح المحلي، تقدم هذه الورقة نموذجاً للشبكة العصبية الاصطناعية خفيفة الوزن. نقوم بدمج مجموعتي بيانات من سيناريوهات الهجوم وإنشاء نموذج ANN خفيف الوزن يتسبب في تأثير ملحوظ على وجه الدقة (إلى 0.99)، ومعدل إيجابي خاطئ منخفض. يعتمد هذا النهج على التحقيق والتحليل المتعمق والاستفادة من أهم سمات بروتوكول RPL لتشكيل أساس التقنية الشاذة المقترحة

The restricted Internet of Things (IoT) devices are well-suited to the energy-efficient processes and accessible, confined, secure modes of operation of the Routing Protocol for Low Power and Lossy Networks. Nevertheless, we feel compelled to investigate, evaluate, and provide probable explanations for routing vulnerabilities due to the pressing need for security in RPL-based IoT networks. In order to study, evaluate, and quantify network topology assaults in RPL, also known as rank and local repair, this research introduces a lightweight model of an artificial neural network. This study builds a small artificial neural network (ANN) model with a low false positive rate, high accuracy (up to 0.99), and a significant effect by merging two datasets of attack scenarios. The suggested anomalous method is based on this strategy, which involves researching, evaluating, and capitalizing on the most crucial aspects of the RPL protocol.

ISSN: 1819-6489

عناصر مشابهة