スマートデバイスにおけるマルチモーダルセンサーデータを用いたAIベースのインテリジェントセンシングによるサイバーセキュリティ脅威検出

科学分野:

• サイバーセキュリティ;人工知能;モノのインターネット（IoT）

背景:

• モノのインターネット（IoT）システムは、特有のサイバーフィジカル脆弱性を提示します。;従来のネットワークベースの侵入検出は、オンデバイスセンサーによって生成される悪意のあるアクティビティに対処するのが困難です。

研究 の 目的:

• IoTデバイスにおけるサイバー攻撃を検出するためのマルチモーダルセンシングアーキテクチャを導入すること。;異種センサーデータ（加速度、ジャイロスコープ、マイク、温度）を活用して脅威識別を強化すること。

主な方法:

• 畳み込みニューラルネットワーク（CNN）、再帰型ニューラルネットワーク（RNN）、およびTransformerを組み合わせたハイブリッド深層学習アーキテクチャを開発しました。;センサーモダリティ間の特徴融合と時空間相互作用分析を実装しました。;カスタムマルチモーダルデータセットおよび公開データセット（CICIDS-2017、IoT-23）でフレームワークを評価しました。

主要な成果:

• 曲線下面積（AUC）0.96、F1スコア0.94という高い値を達成しました。;エッジハードウェアで23ミリ秒の低推論レイテンシを示し、リアルタイム展開可能性を確認しました。;サイバーフィジカル脅威検出のためのマルチモーダル深層学習の効果を検証しました。

結論:

• マルチモーダル深層学習は、IoTにおけるサイバーフィジカル脅威検出のための強力でスケーラブルな方法を提供します。;提案されたアーキテクチャは、IoT環境における従来の侵入検出システムの制限を効果的に解決します。;このフレームワークは、リソースが制約されたIoT設定でのリアルタイム展開に適しています。