Page 241 - NGTU_paper_withoutVideo

کیتاموئژ نیون یاهدربراک و اه یروآ نف یلم سنارفنک

ز ی ع وت یاه متس س ی رد تلامح صیخشت یارب قیمع یریگدای رب ینتبم یلدم هئارا

شا ی ا تنرتن ا ی هیاپرب هدش

2 ینیمز دمص میرک ، 1 هداز یریش هلاه *

h.shirizadeh 20 @gmail.com ، ناریا ، زیربت ، )ص( مرکا ی بن ی لاع شزومآ هسسوم ، رتویپماک یسدنهم دشرا یسانشراک یوجشناد 1
samadzamini@ucna.ac. ، ir ناریا ،زیربت ، )ص( مرکا ی بن ی لاع شزومآ هسسوم ،رتویپماک یسدنهم هورگ رایداتسا 2

و یکیتاتموئئ یاته هناماتس رد ءا یتشا تتنرتنیا یاهروانف عیرس هعسوت و هتشاد فلتخم یاه هطیح رد ینوگانوگ یاهدرباک ایشا تنرتنیا : هدی ک چ

هناخ یاه متس س ی ، هدرک ی پ ی اد رتش ب ی ت ی بوبحم ام هرمزور ی گدنز رد هک یتیریدم یاه هناماس نیا زا یکی .تسا هدومن یربهر ار ر ود هار ز ا تیریدم
. دتهد ی م رارق ی ت ی ن ی ز نما تارطخ ضرعم رد ار ناربراک ،سوملم ی ا ی ازم و بسانم درکلمع هئارا رب هولاع دنمشوه هناخ یاه متس یس .تسا دنمشوه

تلاتمح رترکا ،،رتط ک تی زا .دنراد دنمشوه یاه هناخ متس ی سوکا رد ی مهم شقن ی ن شام ی ی ر گدا ی ی اه ی مت رو گلا ،ت ی نما و درکلمع ش از ی ی فا ارب
هتب ًلاومعم هک ؛ دنک داج ی د ا ی دج هلمح ک ی ات دوش م ی داج یا ،دوب هدش س ی سات ًلابق هک ی ی رب اس تلامح رد شهج ی مک اب هتفا ی هعسوت هزات ی ی رب اس

ی ور رب یا لا ی ه 13 نشولوناک ی بصع هکبش رب ی نتبم شور ک ی زا ی ق قحت ی ن ا رد . دوش ی م ی قلت شا ی ا تنرتن ی ا هکبش ی ق رط زا ی داع ک ی فارت ک ی ناونع
هبساحم دصرد 98.6 رادقم ی داهنش ی پ شور تحص ناز ی م .تسا هدش هدافتسا نآ درکلمع دوبهب و ی راجنهان ص ی خشت ی ارب سارک و ولفروسنت کپ ی ج

لباقم رد ی داهنش ی پ شور بوخ ی را سب دوبهب زا ناشن اهدنب سلاک ی ی با زرا ی اهرا ی عم رادقم .دندش هس ی اقم ن ی ز رگ ی د لدم 6 ی اب داهنش ی پ شور . ی د درگ
. داد ناشن ار رگ د ی یاه شور

ی . ی رب اس تلامح ص ی خشت ،نشولوناک ی بصع هکبش ،ق ی مع ی گ ی ر شا ی ،ا ی دا تنرتن : ا ی یدیل ک یاه هئاو

Provide a deep learning model for detecting cyber attacks in
IoT-based distributed systems

1
*H Shirizadeh , K Samadzamini 2

1 Department of Computer Engineering, University College of Nabi Akram (UCNA), Tabriz, Iran,E-mail: h.shirizadeh20@gmail.com
2 Department of Computer Engineering, University College of Nabi Akram (UCNA), Tabriz, Iran, E-mail: samadzamini@ucna.ac.ir

Abstract: With the rapid development of IoT technologies, smart home systems have become more popular in
our daily lives. In addition to providing good performance and tangible benefits, smart home systems also expose
users to security risks. To increase performance and security, machine learning algorithms play an important role
in the smart home ecosystem. On the one hand, most newly developed cyber attacks are triggered by a slight
mutation in previously established cyber attacks to launch a new attack; which is usually considered as normal
traffic through the Internet of Things. In this study, a 13-layer convolutional neural network-based method on the
Tensorflow and Cross package was used to diagnose the abnormality and improve its performance. The accuracy
of the proposed method was calculated to be 98.6%. The proposed method was compared with 6 other models.