این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱۴، شماره ۲، صفحات ۶۰-۸۲
عنوان فارسی رویکرد یادگیری تقویتی آگاه از اعتماد برای مسیریابی امن اینترنت اشیا
چکیده فارسی مقاله اینترنت اشیا شامل دستگاه‌هایی با توان پردازشی و انرژی محدود است که در شبکه‌های کم‌توان و پر اتلاف فعالیت می‌‌کنند. محدودیت منابع، امنیت فیزیکی ضعیف، پویایی توپولوژی شبکه و ناپایداری پیوندهای ارتباطی، این شبکه‌ها را در برابر انواع آسیب‌پذیری‌ها قرار می‌‌دهد. توسعه راهکارهای امنیتی برای این شبکه‌ها به دلیل این محدودیت‌ها چالش‌برانگیز است. علاوه بر این، پروتکل مسیریابی شبکه‌های کم‌توان و پر اتلاف (RPL) که به‌عنوان استاندارد مسیریابی در اینترنت اشیا شناخته‌شده است، در برابر حملات مسیریابی مختلف، حداقل سطح دفاعی را ارائه می‌‌دهد. مهاجمان می‌‌توانند با سوءاستفاده از آسیب‌پذیری‌های این پروتکل، حملات مخربی را علیه شبکه‌های اینترنت اشیا اجرا کنند. در این مقاله، یک روش مبتنی بر یادگیری تقویتی آگاه از اعتماد برای مسیریابی امن در اینترنت اشیا پیشنهاد شده است. این روش با ترکیب قابلیت اطمینان روش‌های مبتنی بر اعتماد و دقت بالای روش‌های مبتنی بر یادگیری ماشین، به ارزیابی سطح اعتماد در سطح گره و پیوند می‌‌پردازد. هدف اصلی این رویکرد، شناسایی و جداسازی مؤثر گره‌های مخرب و فراهم‌سازی مسیریابی ایمن و مبتنی بر اعتماد در شبکه‌های اینترنت است. نتایج شبیه‌سازی در برابر حمله کاهش رتبه نشان می‌‌دهد که روش پیشنهادی عملکرد بهتری نسبت به روش‌های موجود دارد. این روش نرخ تحویل بسته (PDR) را نسبت به MRHOF به میزان 17٫46 درصد، نسبت به SecTrust-RPL به میزان 3٫2 درصد و نسبت به SMTrust به میزان 69/1 درصد بهبود می‌‌بخشد. علاوه بر این، توان عملیاتی شبکه را افزایش داده و نرخ شناسایی حملات را بالا می‌‌برد، درحالی‌که افزایش سربار کنترلی و مصرف انرژی آن ناچیز است؛ بنابراین، این روش برای کاربردهای بلادرنگ مناسب بوده و با مسیریابی از طریق گره‌های مورد اعتماد و حذف گره‌های مخرب، نرخ از دست رفتن بسته‌ها را کاهش می‌‌دهد.
کلیدواژه‌های فارسی مقاله اینترنت اشیا،مسیریابی امن،پروتکل مسیریابی RPL،حمله کاهش رتبه،یادگیری تقویتی،سیستم اعتماد،شبکه‌های کم‌توان و پر اتلاف،
عنوان انگلیسی A Trust-Aware Reinforcement Learning Approach for Secure IoT Routing
چکیده انگلیسی مقاله The Internet of Things (IoT) comprises devices with limited processing power and energy, operating within low-power and lossy networks (LLNs). These networks are susceptible to various vulnerabilities due to constrained resources, weak physical security, dynamic network topologies, and unstable communication links. Developing security solutions for such networks is challenging because of these limitations. Moreover, the Routing Protocol for Low-Power and Lossy Networks (RPL), recognized as the standard routing protocol in IoT, offers minimal defense against various routing attacks. Attackers can exploit vulnerabilities in this protocol to launch malicious attacks against IoT networks. Therefore, considering the limited resources of the nodes, in this paper, a Trust-Aware Reinforcement Learning-based method is proposed for secure routing in the Internet of Things. This approach combines the reliability of trust-based methods with the high accuracy of machine learning techniques to assess trust levels at both node and link levels. The primary goal of this approach is to effectively identify and isolate malicious nodes, providing secure and trust-based routing in IoT networks. Simulation results against decreased rank attack demonstrate that the proposed approach outperforms existing methods. Specifically, it improves the packet delivery ratio (PDR) by 17.46% over MRHOF, 3.2% over SecTrust-RPL, and 1.69% over SMTrust. Additionally, it enhances throughput and achieves a higher attack detection rate, while introducing only a negligible increase in control overhead and energy consumption. Therefore, the proposed approach is well-suited for real-time applications, as it minimizes packet loss by routing through trusted nodes and effectively isolating malicious ones.
کلیدواژه‌های انگلیسی مقاله اینترنت اشیا,مسیریابی امن,پروتکل مسیریابی RPL,حمله کاهش رتبه,یادگیری تقویتی,سیستم اعتماد,شبکه‌های کم‌توان و پر اتلاف
نویسندگان مقاله فاطمه وفائی نژاد |
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران.

محمدمهدی گیلانیان صادقی |
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران.

محمدحسین رضوانی |
دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد قزوین، قزوین، ایران.

نشانی اینترنتی https://jscit.nit.ac.ir/article_225605_2f943a00ae1a2e3d1221e40c299fa444.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات