چالش ها و رویکرد های جدید در کاربرد های اینترنت اشیا، پردازش تصویری و ماشین لرنینگ

چکیده

در عصر کنونی انقلاب صنعتی چهارم، دنیای دیجیتال دارای داده های زیادی مانند داده های اینترنت اشیا، داده های امنیت سایبری، داده های تلفن همراه، داده های تجاری، داده های رسانه های اجتماعی، داده های بهداشتی و غیره است. برای تجزیه و تحلیل هوشمندانه این داده ها و توسعه برنامه های هوشمند و خودکار مربوطه، دانش هوش مصنوعی، به ویژه یادگیری ماشینی کلید اصلی است. انواع مختلفی از الگوریتم های یادگیری ماشین مانند یادگیری نظارت شده، بدون نظارت، نیمه نظارت و تقویت در منطقه وجود دارد. یادگیری عمیق، که بخشی از یک خانواده گسترده تر از روش های یادگیری ماشین است، می تواند داده ها را در مقیاس بزرگ بصورت هوشمند تجزیه و تحلیل کند. گره های شرکت کننده در شبکه های اینترنت اشیا معمولاً محدود به منابع هستند، که باعث می شود اهداف حملات سایبری را جلب کنند. مشخصات منحصر به فرد گره های اینترنت اشیا باعث می شود که راه حل های موجود برای در برگرفتن کل طیف امنیتی شبکه های اینترنت اشیا کافی نباشد. تکنیک های یادگیری ماشین و یادگیری عمیق، که می توانند هوش جاسازی شده را در دستگاه ها و شبکه های اینترنت اشیا فراهم کنند، می توانند برای مقابله با مشکلات مختلف امنیتی استفاده شوند. در این مقاله، ما به طور سیستماتیک الزامات امنیتی، بردارهای حمله و راه حل های امنیتی فعلی برای شبکه های اینترنت اشیا را مرور می کنیم. سپس ما خلاsهای موجود در این راه حل های امنیتی را که خواستار رویکردهای ML هستند، روشن می کنیم. ما همچنین در مورد راه حل های موجود ML برای پرداختن به مشکلات امنیتی مختلف در شبکه های اینترنت اشیا به طور مفصل بحث می کنیم.