امروزه با افزایش تعداد وسایل‎نقلیه متصل به اینترنت‎اشیا (IoT)، شبکه‎های اقتضایی خودرو (VANET) در حال تغییر به اینترنت‎وسایل‎نقلیه (IoV) هستند. یکی از اهداف مهم اینترنت‎وسایل‎نقلیه این است که وسایل نقلیه بتوانند با رانندگان، عابران پیاده، سایر وسایل‎نقلیه و زیرساخت‎های کنارجاده‎ای بصورت بلادرنگ ارتباط برقرار کنند. اما حمله انکارسرویس توزیع شده (DDoS) یکی از حمله‎های جدی در این محیط محسوب می‎شود. این حمله می‎تواند سرویس‎های اینترنت‎وسایل‎نقلیه را مختل کند و باعث ترافیک و تصادفات جاده‎ای شده و ایمنی کاربران را به خطر اندازد. از طرفی، تشخیص حمله انکارسرویس توزیع شده مبتنی بر بازتاب (DrDoS) به دلیل هویت پنهان آن دشوارتر است. بنابراین یک راه حل مبتنی بر یادگیری گروهی برای شناسایی انواع مختلف حمله انکارسرویس‎توزیع شده مبتنی بر بازتاب در محیط اینترنت‎وسایل‎نقلیه پیشنهاد شده است. مدل پیشنهادی از الحاق دو مدل شبکه عصبی کانولوشن تشکیل شده است که این دو مدل با رویکرد بیزی با استفاده از براوردگرهای Parzen باساختار درختی، بهینه سازی شدند. عملکرد مدل پیشنهادی با مجموعه داده جدید CICDDoS2019 ارزیابی شده است. نتایج تجربی نشان می‎دهد که سیستم تشخیص نفوذ پیشنهادی به نرخ صحت 99% رسیده است.

کلمات کلیدی