Journal: Wiley 2018,
محاسبات مه، به عنوان مکمل رایانش ابری، می‌تواند سرویس‌هایی با تأخیر کم بین کاربران سیار و ابر ارائه دهد. با این وجود، دستگاه‌های مه ممکن است در نتیجه نزدیک بودن گره‌های مه به کاربران نهایی و داشتن توانایی محاسبات محدود، با چالش‌های امنیتی روبرو شوند. حملات شبکه‌های سنتی ممکن است ساختار گره‌های مه را از بین ببرد. سیستم تشخیص نفوذ (IDS) یک فناوری محافظت از امنیت است و می‌تواند در محیط مه مهیا شود. اگرچه IDS در شبکه سنتی به خوبی مورد بررسی قرار گرفته است، متاسفانه استفاده مستقیم از آنها در محیط مه ممکن است نامناسب باشد. گره‌های مخرب مه مقدار زیادی از داده‌ها را در همه زمان‌ها ایجاد می‌کنند، و بنابراین، فعال کردن یک سیستم IDS از داده‌های بزرگ در محیط مه، از اهمیت ویژه‌ای برخوردار است. در این مطالعه، ما یک سیستم IDS را بر اساس درخت تصمیم پیشنهاد می‌کنیم. در مرحله اول، ما الگوریتم پردازش پیش فرض را برای دیجیتالی کردن رشته‌ها در مجموعه داده ارائه شده پیشنهاد می‌کنیم و سپس عادی سازی کل داده‌ها را انجام می‌دهیم تا از کیفیت داده‌های ورودی اطمینان حاصل شود تا کارایی تشخیص را بهبود ببخشد. در مرحله دوم، ما از روش درخت تصمیم برای سیستم IDS استفاده می‌کنیم و سپس این روش را با روش Na¨ıve Bayesian و همچنین KNN مقایسه می‌کنیم. دراین آزمایش هم داده 10٪ و هم مجموعه داده كامل تست شده است. روش پیشنهادی ما نه تنها بطور کامل چهار نوع حمله را تشخیص می‌دهد بلکه می‌تواند بیست و دو نوع حمله را نیز شناسایی کند. نتایج تجربی نشان می‌دهد که سیستم IDS ما مؤثر و دقیق است. مهم‌تر از همه، سیستم IDS ما می‌تواند در محاسبات مه با داده‌های بزرگ استفاده شود.