دانلود ترجمه مقاله کالیس – سیستمی برای تشخیص نفوذپذیری قابل تطبیق دانش محور برای اینترنت اشیا

1. مقدمه 2. پیش زمینه 3. تشخیص نفوذ دانش محور 4. طراحی کالیس 5. پیاده سازی 6. ارزیابی 7. پژوهش های مرتبط 8. نتیجه گیری

چکیده – در این مقاله، ما کالیس را معرفی کرده ایم که یک سیستم تشخیص نفوذپذیری خبره دانش محور خود تطبیق پذیر قادر به تشخیص حملات در زمان واقعی در طیف وسیعی از سیستم های IoT می باشد. کالیس نیازمند تغییرات در نرم افزار IoT موجود نبوده، می تواند طیف وسیعی از پروتکل ها را نظارت کند، هیچ تأثیر عملکردی در کاربرد دستگاه های IoT ندارد، و قادر به ایجاد حالات امنیتی مشترک می باشد. کالیس اولین رویکرد جامع در تشخیص نفوذ برای IoT است که پروتکل های خصوصی یا کاربردها را هدف قرار نداده، و یک سری استراتژی های تشخیصی را برای مشخصه های شبکه خاص اتخاذ می کند. ارزیابی های گسترده نشان می دهند که کالیس در تشخیص حملات سیستم های IoT مؤثر و کارآمد می باشد.

In this paper, we introduce Kalis, a self-adapting, knowledge-driven expert Intrusion Detection System able to detect attacks in real time across a wide range of IoT systems. Kalis does not require changes to existing IoT software, can monitor a wide variety of protocols, has no performance impact on applications on IoT devices, and enables collaborative security scenarios. Kalis is the first comprehensive approach to intrusion detection for IoT that does not target individual protocols or applications, and adapts the detection strategy to the specific network features. Extensive evaluation shows that Kalis is effective and efficient in detecting attacks to IoT systems.