في عصر تتزايد فيه هجمات تقليد أجهزة الاستشعار، قدم الباحثون دراسة جديدة تسلط الضوء على أسلوب فعّال لضمان أمان البيانات في إنترنت الأشياء (IoT). يعاني العديد من نشرات أجهزة الاستشعار ذات التكلفة المنخفضة من افتقارها لمصادر تحقق الهوية، مما يجعلها عرضة لتقليد البيانات.

تمت صياغة هذه الدراسة كمسألة تنبؤ بتسلسل بيانات، حيث تم استخدام نموذج يتألف من ثلاث طبقات LSTM وطبقتين متصلتين بالكامل. تم تدريب هذا النموذج باستخدام قراءات درجة الحرارة فقط من جهاز استشعار حقيقي. وبدأت عملية الاكتشاف عندما تتجاوز خطأ التنبؤ المطلق للقراءات المتوسطة الحدود الطبيعية بمقدار أكثر من ستة انحرافات معيارية.

أحد الجوانب المثيرة هو أن النموذج تم تحويله إلى تنسيق TensorFlow Lite ونشره على جهاز Arduino Nano 33 BLE في ثلاثة أشكال مختلفة: غير متكمم، 16 بت ومقاس 8 بت.

أظهرت الاختبارات المنضبطة أن دقة الاكتشاف في الأشكال الثلاثة تراوحت بين 98.206% و99.980%. وعندما تم وضع جهاز الاستشعار التقليدي في منطقة حارة، تمكن النموذج من كشف التحول من البيانات الحقيقية إلى المزيفة بشكل دقيق. ورغم أن تقليل حجم النموذج جعله أبطأ، إلا أنه أظهر نجاحاً ملحوظاً في فرز توزيعات البيانات بين الأجهزة الحقيقية والمزيفة.

مجمل القول، هذه النتائج تبرز أهمية أجهزة الاستشعار في الحفاظ على سلامة البيانات، وتؤكد على أن التقنيات الجديدة ستكون حلاً فعالاً لضمان الأمان في إنترنت الأشياء.