IDMM-IDS:Dirichlet混合モデルに基づくIoTのための効率的で堅牢な侵入検知システム

科学分野:

• サイバーセキュリティ
• ネットワークセキュリティ
• 物事のインターネット (IoT)

背景:

• 物事のインターネット (IoT) デバイスの拡散は,重要なセキュリティの脆弱性を生み出しています.
• 従来の侵入検知システム (IDS) は,高い計算能力と適応能力が乏しいため,リソースが限られたIoT環境には適していません.
• IoTセキュリティに合わせた 効率的で堅牢なIDSが不可欠です

研究 の 目的:

• 具体的にはモノのインターネット (IoT) 向けに設計された,効率的で堅牢な侵入検知システムであるIDMM-IDSを提案する.
• IoTの侵入検知における計算上のオーバーヘッドと適応性の課題に対処する.
• 不均衡なデータセットにおけるマイノリティクラスの脅威の検出を強化する.

主な方法:

• 最小限の計算オーバーヘッドで複雑なネットワークトラフィックをモデリングするために,逆転ディリクレット混合モデル (IDMM) を利用した.
• 効率的なモデルトレーニングと推論のために,拡張ストキャスティック変数推論 (ESVI) を採用した.
• クラス不均衡の問題に対処するために新しいクラスターベースのオーバーサンプリングテクニックを統合しました.

主要な成果:

• IDMM-IDSは,UNSW-NB15,WSN-DS,およびWUSTL-IIOT-2021のデータセットで既存の方法と比較して優れた検出性能を示しました.
• 提案されたシステムは,訓練と意思決定の時間を大幅に短縮し,効率性を示しました.
• マイノリティクラスの脅威の効果的な検出は,データセットにノイズを導入することなく達成されました.

結論:

• IDMM-IDSは,リソースが限られたIoT環境に適した高効率で堅牢な侵入検知システムです.
• IDMMとESVIの組み合わせは,IoTネットワークトラフィックを分析するための強力なアプローチを提供します.
• 統合された過剰サンプリング技術は,クラス不均衡を効果的に解決し,脅威検出能力を向上させます.