| طراحی مدلهای هوش مصنوعی برای پایش تهدیدات امنیتی و محیطی |
| کد مقاله : 1328-PAYDARI (R1) |
| نویسندگان |
|
محمد برادران *1، مریم ادیب زاده2 1استادیار گروه مدیریت فن آوری اطلاعات، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران 2استادیار گروه مدیریت دولتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران |
| چکیده مقاله |
| پایش تهدیدات امنیتی و محیطی در جنوب شرق کشور، بهدلیل شرایط پیچیده جغرافیایی، تنوع اقلیمی و وجود مخاطرات انسانی و طبیعی، به سامانههایی نیاز دارد که توان تحلیل دادههای گسترده، ناهمگون و چندمنبعی را داشته باشند. روشهای سنتی نظارت در برابر حجم روزافزون دادههای حاصل از تصاویر ماهوارهای، حسگرهای هوشمند، دادههای مراقبت مرزی و گزارشهای میدانی، کارآمدی محدودی دارند و غالباً در تشخیص زودهنگام الگوهای غیرعادی با مشکل مواجه میشوند. پژوهش حاضر با هدف ارائه یک مدل هوش مصنوعی چندلایه، چارچوبی جامع برای تحلیل همزمان دادههای مکانی، زمانی و ارتباطی پیشنهاد میکند. در این مدل، شبکه کانولوشنی برای استخراج ویژگیهای مکانی از تصاویر سنجش از دور، شبکه LSTM برای تحلیل روندهای پیوسته در دادههای زمانی حسگرها، و شبکه عصبی گرافی برای شناسایی ساختارهای پنهان در دادههای امنیتی بهکار گرفته شده است. دادهها پس از پیشپردازش و ادغام، در یک معماری ترکیبی قرار میگیرند که قادر است الگوهای مشکوک را تشخیص داده و با محاسبه شدت تهدید، هشدارهای هوشمند ارائه دهد. ارزیابی مدل بر مجموعهای از دادههای واقعی منطقه جنوب شرق نشان داد که معماری پیشنهادی در حوزه تهدیدات امنیتی به دقت ۹۱ درصد و در حوزه تهدیدات محیطی به دقت ۹۳ درصد دست یافته است. کاهش قابل توجه هشدارهای کاذب و افزایش سرعت شناسایی تهدیدات نشان میدهد که ترکیب CNN، LSTM و GNN توانسته است تصویر دقیقتری از وضعیت امنیتی و محیطی ایجاد کند. این مدل ظرفیت بالایی برای توسعه در سامانههای پدافند غیرعامل، مدیریت بحران، نظارت مرزی و پایش محیطی داشته و میتواند بهعنوان زیرساختی هوشمند برای تصمیمسازی در شرایط پیچیده منطقهای مورد استفاده قرار گیرد. |
| کلیدواژه ها |
| هوش مصنوعی، پایش تهدیدات، امنیت منطقهای، یادگیری ماشین، سنجش از دور، اینترنت اشیاء |
| وضعیت: پذیرفته شده |
