آمار
| تعداد نشریات | 45 |
| تعداد شمارهها | 1,499 |
| تعداد مقالات | 18,292 |
| تعداد مشاهده مقاله | 59,398,203 |
| تعداد دریافت فایل اصل مقاله | 20,757,915 |
بهبود پایداری تشخیص نفوذ مبتنی بر LSTM برای شبکههای اینترنت اشیای پزشکی (IoMT) با استفاده از الگوریتم بهینهسازی شاهینهای هریس | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، اصلاح شده برای چاپ، انتشار آنلاین از تاریخ 16 اردیبهشت 1405 | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/tjee.2026.71004.5113 | ||
| نویسندگان | ||
| حمید زنگی آبادی زاده؛ هادی محمدی* | ||
| گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران | ||
| چکیده | ||
| تشخیص نفوذ در اینترنت اشیاء پزشکی (IoMT) یک مسئله حیاتی ایمنی است، شبکههای حافظه طولانی کوتاهمدت (LSTM) توانایی بالایی در تشخیص حملات پیچیده شبکه ارائه میدهند. برای پرداختن به این چالش، این مطالعه یک الگوریتم بهینهسازی اصلاحشده شاهین های هریس (MHHO) را معرفی میکند که HHO استاندارد را با ادغام وزندهی اینرسی پویا و کاوش مبتنی بر پرواز لوی بهبود میبخشد. این مکانیسمها تعادل بین اکتشاف و استخراج را بهبود میبخشند، همگرایی زودرس را به طور مؤثر کاهش میدهند و رفتار جستجوی سراسری را تقویت میکنند. MHHO پیشنهادی برای بهینهسازی تطبیقی ابرپارامترهای کلیدی یک مدل تشخیص نفوذ مبتنی بر LSTM به کار گرفته میشود و نیاز به تنظیم دستی یا روشهای مرسوم مانند جستجوی شبکه را از بین میبرد. علاوه بر این، از یک استراتژی تابع برازندگی قوی و متمرکز بر یادآوری برای به دست آوردن پیکربندیهای ابرپارامتر استفاده میشود که قابلیت اطمینان مدل را بهبود میبخشد و حساسیت به عدم تعادل کلاس را کاهش میدهد. نتایج آزمایش روی مجموعه داده CICIoMT2024 در پنج اجرای مستقل نشان میدهد که هر دو مدل LSTM HHO و LSTM MHHO از نظر میانگین امتیاز F1 از LSTM پایه بهتر عمل میکنند، و مدل LSTM MHHO تغییرپذیری عملکرد بسیار کمتری را نشان میدهد. از آنجایی که بهینهسازی فقط یک بار در طول آموزش آفلاین انجام میشود، سیستم نهایی مستقر شده پیچیدگی استنتاج LSTM استاندارد را حفظ میکند. یافتهها نشان میدهد که چارچوب LSTM MHHO پیشنهادی، پایداری بهبود یافته، عملکرد قابل اعتماد و مناسب بودن عملی را برای محیطهای IoMT با ایمنی حیاتی ارائه میدهد. | ||
| کلیدواژهها | ||
| اینترنت اشیای پزشکی (IoMT)؛ یادگیری عمیق؛ حافظه طولانی کوتاه مدت (LSTM)؛ الگوریتم بهینهسازی شاهینهای هریس (HHO)؛ بهینهسازی ابرپارامترها | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 66 |
||