*Result*: Enhancing IoT Security: An Optimization Algorithm for Fog Layer-Based DDoS Attack Mitigation Framework.

*The Internet of Things (IoT) refers to a network comprised of interconnected items, including computing devices and digital gadgets. Cloud-based IoT infrastructures are vulnerable to distributed denial of service (DDoS) attacks. A DDoS attack has the potential to incapacitate a server for an extended duration, resulting in service disruptions as a consequence of overwhelming system resources. This research presents a novel framework for mitigating DDoS attacks in IoT networks. The proposed system leverages the fog-cloud architecture to provide efficient, lightweight, and precise attack mitigation. Notably, the mitigation process is executed at the fog layer. The suggested fog layer uses Particle Swarm Optimization (PSO) to make allocating resources easier, which makes it possible for the mitigation framework to be set up quickly. This approach addresses the challenges associated with resource management on resource-constrained IoT devices. The mitigation framework uses the Fitness Leader Optimization (FLO) approach to construct a trained database, taking into consideration factors such as the needed time, the size of the request, and the number of created requests. The FLO system employs multilayer perceptron (MLP), k-nearest neighbors (KNN), and support vector machine (SVM) classification algorithms to effectively mitigate the assault. The results of this study show that adding classification algorithms to our framework made it easier to test networks for Internet of Things (IoT) devices, especially when the Particle Swarm Optimization (PSO) method was used together. The mitigation framework demonstrates a minimized fitness value of 0.284556 seconds, showcasing enhanced resource utilization and processing time optimization for IoT nodes and servers in a distributed fog environment. The total average of resource utilization is improved to 6.0850%, processing time is decreased to 17.0397, and fitness value is decreased to 0.0258 seconds in the proposed DDoS attack mitigation system. The machine learning classification model achieves high accuracy, with SVM leading at 99.6785% compared to others, emphasizing the robustness of the proposed framework in securing IoT networks. [ABSTRACT FROM AUTHOR]*

*يشير إنترنت الأشياء (lots) إلى شبكة تتكون من عناصر مترابطة، بما في ذلك أجهزة الحاسوب والأدوات الرقمية البنى التحتية لإنترنت الأشياء المستندة إلى السحابة معرضة لهجمات الحرمان من الخدمة الموزعة (DDoS) من المحتمل أن يؤدي هجوم DDoS إلى تعطيل الخادم لفترة طويلة، ويؤدي إلى انقطاع الخدمة نتيجة لاستنزاف موارد النظام. يقدم هذا البحث إطارًا جديدًا للتخفيف من هجمات DDoS في شبكات إنترنت الأشياء. يعمل النظام المقترح على تعزيز بنية سحابة الضباب لتوفير منع فعال وخفيف الوزن ودقيق للهجوم. والجدير بالذكر أن عملية منع الهجوم يتم تنفيذها في طبقة الضباب. تشتمل طبقة الضباب المقترحة على تحسين سرب الجسيمات (PSO) لتسهيل تخصيص الموارد، وبالتالي تمكين النشر الفعال لإطار منع الهجوم يعالج هذا النهج التحديات المرتبطة بإدارة الموارد في أجهزة إنترنت الأشياء المحدودة الموارد. يستعمل إطار منع الهجوم نهج تحسين اللياقة البدنية (FLO) لإنشاء قاعدة بيانات مدربة، مع الأخذ في الاعتبار عوامل مثل الوقت المطلوب وحجم الطلب وعدد الطلبات التي تم إنشاؤها. يستعمل نظام FLO خوارزميات تصنيف الإدراك الحسي متعدد الطبقات (MLP) و (Nearest Neighbors (KNN وآلة دعم المتجهات (SVM) للتخفيف ومنع الهجوم بشكل فعال تشير نتائج هذه البحث إلى أن تنفيذ خوارزميات التصنيف داخل إطار عملنا أدى إلى تحسين نتائج تقييم الشبكة لأجهزة إنترنت الأشياء، خاصة عند دمجها مع طريقة تحسين سرب الجسيمات (PSO). يظهر إطار التخفيف قيمة لياقة مقللة تبلغ 0.284556 ثانية، مما يظهر تحسينا في استعمال الموارد وتحسين وقت المعالجة لأجهزة انترنيت الاشياء والخوادم في بيئة الضباب الموزعة. حيث يتم تحسين إجمالي متوسط استعمال الموارد إلى 6.0850%، وتم تقليل وقت المعالجة إلى 17.0397، وتقليل قيمة اللياقة إلى 0.0258 ثانية لنظام التخفيف من هجمات DDoS في النظام المقترح يحقق نموذج التصنيف باستعمال تعلم الآلة دقة عالية، حيث يتصدر SVM بنسبة 99.6785% مقارنة بالنماذج الأخرى، مما يبرز قوة الإطار المقترح في تأمين شبكات انترنت الاشياء... [ABSTRACT FROM AUTHOR]*