在 ZephyrOS 激活的工业物联网环境中打击勒索软件
1Management Information Systems Department, College of Business Administration, Prince Sattam Bin Abdulaziz University, Al-Kharj 16278, Saudi Arabia.
Heliyon
|May 2, 2024
概括
这项研究引入了一种新的机器学习方法,将渐变增强机 (GBM) 和拉索回归结合起来,用于在工业物联网 (IIoT) 中有效检测勒索软件. 该模型实现了92%的检测率,增强了IIoT网络安全.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 事物的工业互联网 (IIoT)
背景情况:
- 工业物联网 (IIoT) 面临着越来越多的网络威胁,特别是勒索软件.
- 现有的安全措施难以应对IIoT环境中的复杂数据挑战.
研究的目的:
- 开发和验证一种创新的机器学习方法,用于在IIoT环境中检测勒索软件.
- 加强工业系统对抗不断变化的网络威胁的安全姿态.
主要方法:
- 开发了一个混合机器学习模型,结合了梯度增强机 (GBM) 和拉索回归.
- 该模型在Zephyr操作系统上实现,以利用GBM的数据处理和Lasso Regression的特征选择能力.
- 使用更新的勒索软件工具和RanSAP和IoT-23数据集来评估性能.
主要成果:
- 拟议的模型实现了92%的勒索软件检测率.
- 该方法显示,虚假阳性结果显著减少.
- 结合的ML技术在IIoT环境中超过了现有的网络安全策略.
结论:
- 开发的GBM和拉索回归混合模型为IIoT中的勒索软件检测提供了一个强大的解决方案.
- 先进和适应性的网络安全措施对于保护不断发展的工业生态系统至关重要.
- 这项研究为未来IIoT安全方面的进步提供了基础.
更多相关视频
10:15Integration of 5G Experimentation Infrastructures into a Multi-Site NFV Ecosystem
Published on: February 3, 2021
3.8K
09:15Tyramide Signal Amplification for the Immunofluorescent Staining of ZBP1-Dependent Phosphorylation of RIPK3 and MLKL After HSV-1 Infection in Human Cells
Published on: October 20, 2022
2.2K
