基于殖民地优化的人工神经适应式 Tensor 流动的物联网网络安全的增强
Vijaya Bhaskar Sadu1, Kumar Abhishek2, Omaia Mohammed Al-Omari3
1Department of Mechanical Engineering, Jawaharlal Nehru Technological University, Kakinada, India.
Network (Bristol, England)
|July 15, 2024
概括
一种新的殖民地优化的人工神经适应电流 (ACO-ANT) 技术通过检测恶意软件来增强物联网 (IoT) 的安全性. 这种方法可以提高恶意软件检测的准确性和效率,保护关键信息.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 网络安全 网络安全
背景情况:
- 物联网 (IoT) 带来了重大的网络安全挑战,因为相互连接的设备作为网络攻击的潜在入口.
- 物联网设备中的隐私漏洞被病毒和非法软件等威胁利用,导致关键信息被盗.
- 现有的方法很难有效地检测通过物联网网络传播的复杂恶意软件.
研究的目的:
- 提出和评估一种新的技术,即殖民地优化的人工神经适应电位流 (ACO-ANT),用于在物联网环境中检测恶意软件.
- 加强物联网设备对网络威胁的安全和隐私.
- 提高源代码和网络活动中恶意软件检测的准确性和效率.
主要方法:
- 开发了用于恶意软件检测的"殖民地优化人工神经适应电流 (ACO-ANT) "技术.
- 应用了代币化和加权属性技术来处理噪音数据并强调代币意义.
- 利用深度学习 (DL) 方法来识别源代码重复和多目标循环神经网络 (M-RNN) 来检测可疑的物联网活动.
主要成果:
- 与现有技术相比,ACO-ANT方法在Malimg数据集上表现出优异的性能.
- 在精度 (12.35%,14.75%,11.84%) 和f测量 (10.95%,15.78%,13.89%) 中取得了显著的改进.
- 该技术有效地识别物联网环境中的恶意软件和可疑活动.
结论:
- 拟议的ACO-ANT技术在检测恶意软件和增强物联网安全方面非常有效.
- 建议进一步研究利用区块链用于物联网中的恶意软件检测.
- 该研究强调了先进的人工智能技术在强大的网络安全解决方案中的潜力.
