经过OOA修改的Bi-LSTM网络:对于物联网系统的有效入侵检测框架
Siva Surya Narayana Chintapalli1, Satya Prakash Singh1, Jaroslav Frnda2,3
1Department of Computer Science and Engineering, Birla Institute of Technology, Mesra, Ranchi, India.
Heliyon
|April 22, 2024
概括
本研究介绍了用于物联网 (IoT) 的增强入侵检测系统 (IDS),使用 Osprey 优化算法 (OOA) 进行特征选择,并修改了双向长短期内存 (Bi-LSTM) 进行攻击分类,实现高精度.
科学领域:
- 网络安全 网络安全
- 计算机网络 计算机网络
- 人工智能的人工智能
背景情况:
- 物联网 (IoT) 系统产生大量的流量数据,增加了对网络入侵的脆弱性.
- 现有的入侵检测系统 (IDS) 面临着不相关的功能和缓慢的训练的挑战.
- 有效的IDS对于确保物联网环境的可靠性,完整性和安全性至关重要.
研究的目的:
- 为物联网 (IoT) 安全开发一个增强的入侵检测系统 (IDS).
- 解决入侵检测方面的挑战,包括功能相关性和训练速度.
- 提高识别和分类网络入侵的准确性和效率.
主要方法:
- 实现了 Osprey 优化算法 (OOA) 来从网络流量数据中有效选择功能.
- 使用修改的双向长期短期内存 (Bi-LSTM) 网络,具有指数线性单元 (ELU) 激活功能,用于入侵分类.
- 评估了关于N-BaIoT,CICIDS-2017和ToN-IoT数据集的拟议框架.
主要成果:
- 实现了高检测准确度:N-BaIoT上的99.98%,CICIDS-2017上的99.97%和ToN-IoT上的99.88%.
- 与现有框架相比,在准确性和可解释性方面表现出卓越的性能.
- 由于优化功能选择和更快的学习与ELU激活,展示了减少的处理时间.
结论:
- 拟议的基于OOA的功能选择和修改后的Bi-LSTM网络显著提高了物联网入侵检测系统的性能.
- 该框架提供了一个强大的解决方案,用于高精度地检测和分类各种入侵攻击.
- 这种方法为保护物联网系统提供了更易于解释和计算效率更高的方法.
