امروزه شبکه‌های کامپیوتری نقش مهم و کاربردی در ارتباطات و تبادل داده‌ها دارند و در زندگی انسانها انواع مختلفی از شبکه‌های کامپیوتری پا به عرصه وجود گذاشته است که یکی از آنها شبکه اینترنت اشیاء است. در اینترنت اشیا گره‌های شبکه می‌توانند اشیا هوشمند باشد و از این نظر این شبکه دارای گره‌های زیادی است و ترافیک بالایی در این شبکه وجود دارد. مانند هر شبکه کامپیوتری، اینترنت اشیا با چالش‌ها و مشکلات خاص خود مواجه است که یکی از آنها مسأله نفوذ به شبکه و ایجاد اختلال در آن است. در این پایان‌نامه تمرکز بر روی تشخیص نفوذ مبتنی بر آنومالی در شبکه اینترنت اشیا با استفاده از داده‌کاوی است. در این پژوهش پس از جمع‌آوری و آماده‌سازی داده‌ها از ماشین بردار پشتیبان بهبود‌یافته با الگوریتم بهینه‌سازی ملخ به عنوان روش پیشنهادی در جهت تشخیص نفوذ مبتنی بر آنومالی در اینترنت اشیا استفاده می‌شود و الگوریتم بهینه‌سازی ملخ پارامترهای ماشین بردار پشتیبان را به صورت بهینه تعیین می‌کند و نتایج با طبقه‌بندهای بگینگ و k- نزدیک‌ترین همسایه و ماشین بردار پشتیبان پایه بر اساس انواع خطا و تحلیل آماری خطا مورد مقایسه قرار می‌‌گیرد. نتایج شبیه‌سازی نشان از دقت 97.2% در روش پیشنهادی و عملکرد بهتر در مقایسه با سایر روش‌ها دارد. پرونده مقاله