开发和验证一个利用EFDPN进行增强WSN-IoT网络安全的网络物理系统
Sundaramoorthy Krishnasamy1, Mutlaq B Alotaibi2, Lolwah I Alehaideb2
1Department of Information Technology, Jerusalem College of Engineering (Autonomous) Pallikaranai, Chennai 600100, Tamil Nadu, India.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
一个新的Emphatic农田肥力集成深度感知器网络 (EFDPN) 增强了无线传感器网络 (WSN) 和物联网 (IoT) 的安全性. 该系统提高了攻击分类和预测准确度,优于传统方法.
科学领域:
- 网络物理系统安全 网络物理系统安全
- 网络入侵检测检测网络入侵检测
- 在物联网中的机器学习应用.
背景情况:
- 无线传感器网络 (WSN) 和物联网 (IoT) 是现代互联环境的组成部分.
- 现有WSN-IoT网络的安全模型面临诸多挑战,包括漫长的培训时间和复杂的攻击分类.
- 强大的安全解决方案对于保护这些不断发展的网络物理系统至关重要.
研究的目的:
- 提出一种新的网络物理系统,即强调农田生育综合深度感知器网络 (EFDPN),以提高WSN-IoT安全性.
- 为了减少攻击识别和分类中的计算复杂性.
- 提高WSN-IoT网络入侵检测的准确性和效率.
主要方法:
- 开发EFDPN框架,整合深度感知网络 (DPN) 进行分类.
- 引入农田生育特征选择 (F3S) 技术,以尽量减少特征集的复杂性.
- 利用Tunicate Swarm Optimization (TSO) 模型来完善西格形转换函数,以提高预测准确度.
主要成果:
- 与传统方法相比,EFDPN系统在分类网络攻击方面表现优越.
- F3S算法有效地减少了无关的特征,提高了分类器预测的准确性.
- 该TSO模型显著改善了DPN算法的分类性能,从而导致更高的F1分数值.
结论:
- 拟议的基于EFDPN的系统为保护WSN-IoT网络提供了强大而高效的解决方案.
- 整合F3S和TSO模型在入侵检测能力方面取得了重大进展.
- 这项研究为加强互联网络物理系统的安全性和弹性提供了一个有希望的方法.
