دانلود ترجمه مقاله تشخیص نفوذ در شبکه های حسگر بیسیم با یادگیری عمیق

1. مقدمه 2. کارهای مرتبط 3. الگوریتم های مورد استفاده 4. روش تحقیق 5. نتیجه گیری

چکیده – WSNها در حال حاضر در انواع محیط ها، مورد استفاده گسترده ای قرار گرفته اند که شامل صنایع پزشکی، محیط های تولید و تعدادی زمینه های دیگر می باشند. WSN ها بوسیله تعدادی از ویژگی های متمایز کننده، شامل منبع توان محدود، استفاده از پهنای باند و مصرف انرژی کلی، از هم متمایز می شوند. به این علت، می توان شبکه های سنتی را با استفاده از انواع گسترده ای از روش ها ایمن سازی کرد، درحالی که شبکه های حسگر بیسیم (WSN ها) با استفاده از همین روش ها قابل حفاظت نیستند. بطور کل برای ایمن تر کردن شبکه های حسگر بیسیم (WSN ها)، توسعه ایده ها و رویکردهای جدید لازم می شود. جلوگیری از نفوذ، مهمترین نگرانی در شبکه های حسگر بیسیم (WSN ها) می باشد. این مطالعه یک روش یادگیری عمیق (DL) برای سیستم های شناسایی نفوذ (IDS) در شبکه های حسگر بیسیم (WSN ها) را با استفاده از شبکه های عصبی مصنوعی متراکم (Deep-ANN)، توسعه می دهد. در مقایسه با مدل های قبلی، مدل توسعه یافته با استفاده از ANN به بالاترین سطح دقت که 96.45 درصد بود، دست یافت. مدل ANN عملکرد بهتری نسبت به مدل های ML دیگر که در حال حاضر در بازار موجود هستند دارند که این به لطف بازخوانی دقیق و عالی و همچنین نمره های F1 آن برابر با 96.38، 98.94، و 97.64 می باشند.

WSNs are currently seeing widespread adoption across a variety of settings, including the medical industry, manufacturing environments, and a number of other domains. WSNs are distinguished by a number of distinguishing qualities, including their limited power supply, use of bandwidth, and overall energy consumption. Because of this, traditional networks can be secured using a wide variety of methods, whereas wireless sensor networks (WSNs) cannot be protected using the same methods. In order to make wireless sensor networks (WSNs) safer as a whole, it was necessary to develop new ideas and approaches. The prevention of intrusion is the most important concern in wireless sensor networks (WSNs). This study develops a Deep Learning (DL) method for Intrusion Detection Systems (IDS) in Wireless Sensor Networks (WSNs) by making use of Dense Artificial Neural Networks (Deep-ANN). When compared to earlier models, the one that was developed using Ann achieved the highest level of accuracy, which was 96.45 percent. The ANN model outperforms the other ML models that are currently available thanks to its superior precise recall as well as F1 scores of 96.38, 98.94, and 97.64.