在物联网中使用中断感知匿名用户系统检测方法 (IAU-S-DM) 分析匿名活动
Hani Alshahrani1,2, Mohd Anjum3, Sana Shahab4
1Department Computer Science, College of Computer Science and Information Systems, Najran University, 61441, Najran, Saudi Arabia.
Scientific reports
|August 5, 2024
概括
本研究介绍了中断意识的匿名用户系统检测方法 (IAU-S-DM),以有效地检测物联网 (IoT) 网络中的入侵者. 这种新的方法显著减少了精确的入侵检测计算时间.
科学领域:
- 网络安全 网络安全
- 网络安全 网络安全
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
背景情况:
- 对物联网 (IoT) 网络的未经授权访问构成重大安全风险.
- 现有的入侵检测系统经常受到高计算时间的影响,阻碍了准确和及时的入侵者识别.
- 在物联网数据传输期间的中间访问引入了漏洞.
研究的目的:
- 为物联网网络开发一种高效的入侵检测方法.
- 为应对现有系统中高计算时间的挑战.
- 提高在物联网环境中识别未经授权访问的准确性和速度.
主要方法:
- 实施中断感知匿名用户系统检测方法 (IAU-S-DM).
- 使用隐藏服务会话来检测匿名中断.
- 用参数训练系统,包括来源,会话访问需求和用户合法性.
- 在数据处理中采用深度循环学习方法,以识别服务故障和漏洞.
主要成果:
- 根据IAU-S-DM方法,服务故障率为10.65%.
- 实现了14.63%的检测精度和15.54%的检测时间改进.
- 分类比达到20.51%,表明有效的入侵者活动识别.
结论:
- IAU-S-DM方法提供了一个计算效率高的解决方案,用于检测物联网网络中的入侵.
- 深度循环学习提高了服务故障和漏洞的识别,提高了检测率.
- 该方法有效地利用TON-IoT数据集来识别入侵者活动并验证系统的一致性.
更多相关视频
06:49Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment
Published on: December 11, 2015
8.9K
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
8.2K
