امنیت یک هدف اصلی در طراحی شبکه اینترنت اشیاء صنعتی است. با توجه به پیشرفتهای روزافزون در اینترنت اشیاء لازم است از روشهای جدید در تشخیص حملات فعال شبکه استفاده شود. در این مقاله یک سیستم تشخیص نفوذ برای اینترنت اشیاء صنعتی پیشنهادشده است. این سیستم از ترکیب الگوریتمهای فرا ابتکاری گرگ خاکستری( GWO ) و الگوریتمهای طبقهبندی درخت تصمیم(DT)، نزدیکترین همسایه (KNN) و شبکه عصبی مصنوعی(ANN) استفاده میکند. ابتدا دادهها پیشپردازش و سپس نرمالسازی شده، در مرحله بعد استخراج ویژگی دادهها با استفاده از الگوریتم گرگ خاکستری برای استخراج ویژگیهای مستقل و مؤثر آن انجام میشود. سپس با استفاده از الگوریتمهای طبقهبندی آموزش و درنهایت ارزیابی میشود. نتایج بهدستآمده نشان میدهد که استفاده از الگوریتم ترکیبی GWO-ANN با دقت 22/93 درصد در میزان تشخیص حملات عملکرد بهتری دارد. همچنین الگوریتم ANN نسبت به الگوریتمهای DT و KNN در تلفیق با الگوریتم GWO دارای دقت بالاتری است.
