تحلیل گیم تئوریک رفتار تطبیقی مهاجم و سامانه تشخیص نفوذ در دروازه‌های اینترنت اشیاء

چکیده مقاله

با گسترش روزافزون اینترنت اشیاء و افزایش وابستگی زیرساخت‌های هوشمند به دروازه‌های ارتباطی، تأمین امنیت این دروازه‌ها در برابر حملات تطبیقی به یکی از چالش‌های اساسی در حوزه مهندسی کامپیوتر تبدیل شده است. در بسیاری از روش‌های موجود، رفتار مهاجم یا سامانه تشخیص نفوذ به صورت ایستا یا مستقل از رفتار طرف مقابل مدل‌سازی می‌شود، در حالی‌که در سناریوهای واقعی، هر دو طرف به طور مستمر در حال یادگیری و تطبیق هستند. در این پژوهش، یک چارچوب مبتنی بر نظریه بازی برای تحلیل رفتار تطبیقی مهاجم و سامانه تشخیص نفوذ (IDS) در دروازه‌های اینترنت اشیاء ارائه می‌شود. تعامل میان مهاجم و IDS به صورت یک بازی تکرارشونده با استراتژی‌های حافظه‌یک مدلسازی شده و فرایند یادگیری دوطرفه با استفاده از بهینه‌سازی تدریجی پرداخت بلندمدت هر عامل انجام می‌گیرد. علاوه براین، به منظور انطباق مدل با محدودیت‌های عملی اینترنت اشیاء، هزینه منابع پردازشی و انرژی سامانه IDS در تابع سود آن لحاظ شده است. نتایج شبیه‌سازی عددی نشان می‌دهد که عدم تقارن در سرعت یادگیری مهاجم و IDS نقش تعیین‌کننده‌ای در پایداری امنیت دروازه IoT ایفا میکند. به طور خاص، زمانی که IDS با سرعت بالاتری نسبت به مهاجم تطبیق می‌یابد، رفتار مهاجم به‌صورت معناداری مهار شده و احتمال حملات موفق کاهش می‌یابد، هرچند هزینه‌های عملیاتی IDS افزایش می‌یابد. در مقابل، برای مقادیر میانی سرعت یادگیری، یک پویایی رقابتی تطبیقی مشاهده می‎‌شود که در آن هیچیک از طرفین به مزیت پایدار دست نمی‌یابد. نتایج این پژوهش می‌تواند به‌عنوان یک ابزار تحلیلی برای طراحی و تنظیم سامانه‌های تشخیص نفوذ سبک وزن در دروازه‌های اینترنت اشیاء مورد استفاده قرار گیرد.