مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه فناوری اطلاعات و ارتباطات ایران 2717-0411 16 61 2024 12 7 Providing an Intrusion Detection System in the Industrial Internet of Things Using the Gray Wolf Algorithm ارائه سیستم تشخیص نفوذ در اینترنت اشیاء صنعتی با استفاده از الگوریتم گرگ خاکستری 218 228 fa سجاد علی محمدی دانشگاه کردستان محمد فتحی دانشگاه کردستان 2024 4 19 <p>Security is a main goal in the design of industrial Internet of Things network. Due to the ever-increasing developments in the Internet of Things, it is necessary to use new methods to detect active network attacks. In this article, an intrusion detection system for industrial Internet of Things is proposed. This system uses the combination of gray wolf meta-heuristic algorithms (GWO) and decision tree (DT), nearest neighbor (KNN) and artificial neural network (ANN) classification algorithms. First, the data is pre-processed and then normalized, in the next step, data feature extraction is performed using the gray wolf algorithm to extract its independent and effective features. Then it is trained using classification algorithms and finally evaluated. The obtained results show that the use of the combined GWO-ANN algorithm with 93.22% accuracy has a better performance in detecting attacks. Also, the ANN algorithm is more accurate than the DT and KNN algorithms when combined with the GWO algorithm. ,</p> <p>امنیت یک هدف اصلی در طراحی شبکه اینترنت اشیاء صنعتی است. با توجه به پیشرفت&zwnj;های روز&zwnj;افزون در اینترنت اشیاء لازم است از &rlm;روش&zwnj;های جدید در تشخیص حملات فعال شبکه استفاده شود. در این مقاله یک سیستم تشخیص نفوذ برای اینترنت اشیاء صنعتی &rlm;پیشنهادشده است. این سیستم از ترکیب الگوریتم&zwnj;های فرا ابتکاری گرگ خاکستری(&rlm;GWO&rlm;) و الگوریتم&zwnj;های طبقه&zwnj;بندی درخت &rlm;تصمیم&lrm;(DT)&lrm;، نزدیک&zwnj;ترین همسایه &rlm;&lrm;(KNN)&lrm;&rlm; و شبکه عصبی مصنوعی&lrm;(ANN)&lrm;&rlm; استفاده می&zwnj;کند. ابتدا داده&zwnj;ها پیش&zwnj;پردازش و سپس &rlm;نرمال&zwnj;سازی شده، در مرحله بعد استخراج ویژگی داده&zwnj;ها با استفاده از الگوریتم&zwnj; گرگ خاکستری برای استخراج ویژگی&zwnj;های مستقل و مؤثر آن &rlm;انجام &zwnj;می&zwnj;شود. سپس با استفاده از الگوریتم&zwnj;های طبقه&zwnj;بندی آموزش و درنهایت ارزیابی می&zwnj;شود. نتایج به&zwnj;دست&zwnj;آمده نشان می&zwnj;دهد که استفاده &rlm;از الگوریتم ترکیبی &rlm;GWO-ANN&rlm; با دقت 22/93 درصد در میزان تشخیص حملات عملکرد بهتری دارد. همچنین الگوریتم &rlm;ANN&rlm; &rlm;نسبت به الگوریتم&zwnj;های &rlm;DT&rlm; و &rlm;KNN&rlm; در تلفیق با الگوریتم&zwnj; &rlm;GWO&rlm; دارای دقت بالاتری است. &rlm;</p> http://jour.aicti.ir/ar/Article/Download/46422