Cloud-IoT環境における侵入検知のための量子ベース最適化手法と特徴ピラミッドネットワークの組み合わせ

科学分野:

• サイバーセキュリティ
• ネットワーク侵入検知システム（IDS）
• Cloud-IoTセキュリティ

背景:

• 動的なCloud-IoT環境では、高度な侵入検知システム（IDS）が必要とされています。
• 既存のソリューションは、高次元かつ異種混合なネットワークトラフィックの管理に苦労しています。
• 現在のIDSの限界は、複雑なネットワークインフラストラクチャにおける効果的な脅威検知を妨げています。

研究 の 目的:

• Cloud-IoT環境向けの改良型IDS構造を提示すること。
• 高次元かつ異種混合なネットワークトラフィックの管理を強化すること。
• 量子着想最適化を活用して、IDSのパフォーマンスを向上させること。

主な方法:

• マルチスケール特徴抽出を用いた表形式ネットワークデータに適応させた拡張特徴ピラミッドネットワーク（EFPN）を開発しました。
• ハイパーパラメータチューニングに量子回転ゲートを利用した量子強化型チャイルド・ドローイング・デベロップメント最適化（Q-CDDO）を統合しました。
• ベンチマークデータセットであるCIC-IDS-2017およびBot-IoTでモデルを検証しました。

主要な成果:

• CIC-IDS-2017データセットで96.3%の精度を達成しました。
• Bot-IoTデータセットで94.6%の精度を達成しました。
• 除去研究により、EFPNとQ-CDDOの相乗効果が確認されました。
• 可視化により、モデルの識別能力が検証されました。

結論:

• 提案されたEFPNおよびQ-CDDOモデルは、Cloud-IoTにおける侵入検知能力を大幅に進歩させます。
• 量子着想メタヒューリスティクスは、サイバーセキュリティソリューションの強化において強力な可能性を示しています。
• 本研究は、動的なネットワークトラフィック分析における統合アプローチの効果を検証しています。