無線センサーネットワークにおける侵入検知のためのグラフニューラルネットワークと統合されたオスプレイ最適化アルゴリズム

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
• 機械学習

背景:

• 無線センサーネットワーク（WSN）は、ますます洗練されたサイバー攻撃に対して脆弱になっています。
• 従来の侵入検知システム（IDS）は、限定的な機能、高い誤報率、複雑なデータ処理に苦労しています。
• WSNセキュリティを確保するためには、高度なIDSが不可欠です。

主な方法:

• オスプレイ最適化アルゴリズム（OOA）とグラフニューラルネットワーク（GNN）を統合した新しいOOA-GNNフレームワークを開発しました。
• WSNデータのグラフ表現上のディープラーニングフレームワークを利用して、複雑なネットワークパターンを捉えました。
• 無線センサーネットワーク-データセット（WSN-DS）のデータ不均衡に対処するために、合成少数オーバーサンプリング技術（SMOTE）を適用しました。
• 検出パフォーマンスを最適化するために、OOAを使用してGNNハイパーパラメータを微調整しました。

結論:

• OOA-GNNモデルは、効率的かつ正確な侵入検知を通じて、WSNセキュリティに大きな進歩をもたらします。
• OOAのパラメータ調整とGNNのグラフベースフレームワークの統合は、リアルタイムのWSN操作を強化します。
• 提案された方法は、誤報を効果的に削減し、全体的なネットワーク信頼性と攻撃検出精度を向上させます。