IoT環境における大規模攻撃のためのランダムフォレスト（IBGWO-PSO-RF）ベースのハイブリッド改良型バイナリGWO-PSO侵入検知モデル

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
• モノのインターネット（IoT）

背景:

• モノのインターネット（IoT）環境は多くの利点を提供しますが、重大なセキュリティ上の課題に直面しています。
• 従来の侵入検知システム（IDS）は、IoTネットワークからの大量の冗長なデータに対処するのが難しく、精度低下や応答時間の遅延につながっています。

研究 の 目的:

• モノのインターネット（IoT）ネットワーク特有の課題に対応するために特別に設計された、強化された侵入検知システム（IDS）を提案すること。
• IoT環境における攻撃検出の精度と効率を向上させること。

主な方法:

• 提案されたIDSのトレーニングと評価のためにCIC-IoT-2023データセットを使用しました。
• IoTネットワークデータからの効率的な特徴選択のために、改良型バイナリグレイウルフ最適化（IBGWO）と粒子群最適化（PSO）を統合しました。
• 検出された脅威のマルチクラス分類のためにランダムフォレスト（RF）アルゴリズムを採用しました。

主要な成果:

• 提案されたハイブリッドIBGWO-PSO-RFモデルは、99.96%という非常に正確なマルチクラス分類率を達成しました。
• IoTネットワーク上の様々な攻撃を検出する上で、既存のIDSアルゴリズムと比較して優れたパフォーマンスを示しました。

結論:

• 開発されたハイブリッドIBGWO-PSO-RFモデルは、モノのインターネット（IoT）環境を保護するための堅牢で正確なソリューションを提供します。
• このアプローチは、脅威検出のための大規模IoTデータを処理する上での従来のIDSの限界を効果的に解決します。