由物联网辅助的MQTT使用改进的启发式辅助自动编码器和基于LSTM的深信网络进行入侵检测的自动化系统

科学领域:

• 计算机科学 计算机科学
• 网络安全 网络安全
• 人工智能的人工智能

背景情况:

• 物联网 (IoT) 提供了众多服务,但面临着来自恶意攻击的重大安全挑战.
• 现有的安全措施很难充分解决物联网环境中不断变化的威胁格局.

研究的目的:

• 开发和评估一个强大的系统来检测物联网网络中的攻击.
• 提高对物联网数据的入侵检测系统的准确性和效率.

主要方法:

• 最初通过消息队列遥测传输 (MQTT) 收集的物联网数据进行了预处理,包括数据清理和转换.
• 开发了两种模型: (i) 使用修改的阿基米德优化算法 (MAOA) 进行特征选择和分类的深信网络 (DBN) 的自动编码器,以及 (ii) 使用DBN的长短期内存 (LSTM),也使用MAOA.
• 最终的分类结果是通过平均两个模型的结果来获得的.

主要成果:

• 拟议的系统在检测物联网攻击方面表现出色.
• 使用MAOA的功能优化显著提高了Autoencoder-DBN和LSTM-DBN模型中的分类准确性.
• 从两个不同的模型中平均结果的综合方法导致了更可靠的最终分类.

结论:

• 开发的系统通过有效检测恶意攻击,在物联网安全方面取得了重大进展.
• 优化算法与深度学习模型的集成为增强入侵检测提供了一个强大的框架.
• 这些发现强调了混合深度学习方法在保护复杂物联网生态系统方面的潜力.