优化内存增强图形基于神经网络的DoS攻击在无线传感器网络中的检测
Ayyasamy Pushpalatha1, Sunkari Pradeep2, Matta Venkata Pullarao3
1Department of M.Tech. Computer Science and Engineering, Sri Krishna College of Engineering and Technology, Kuniamuthur, Coimbatore, India.
Network (Bristol, England)
|October 28, 2024
概括
本研究介绍了一种优化记忆增强图形神经网络 (DoS-AD-MAGNN-WSN),用于检测无线传感器网络 (WSN) 中的拒绝服务 (DoS) 攻击. 与现有技术相比,拟议的方法显著提高了检测精度.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 人工智能的人工智能
背景情况:
- 无线传感器网络 (WSN) 对于远程数据监控至关重要,但容易受到复杂的攻击.
- 传统的攻击检测方法与WSN中恶意活动的日益复杂和频率相斗争.
研究的目的:
- 为在无线传感器网络 (DoS-AD-MAGNN-WSN) 中进行拒绝服务 (DoS) 攻击检测提出基于优化记忆增强图形神经网络的方法.
- 为了提高检测各种DoS攻击类型的准确性和有效性,包括黑洞,洪水和灰洞攻击.
主要方法:
- 利用WSN-DS数据集进行数据收集和预处理,使用安全的自适应事件触发过器.
- 实现基于嵌套补丁的特征提取,以实现最佳特征识别.
- 采用了基于梯度的优化器优化了用于攻击分类的记忆增强图形神经网络 (MAGNN).
主要成果:
- 与现有的方法相比,DoS-AD-MAGNN-WSN在分类DoS攻击方面取得了更高的准确性.
- 与CNN-DoS-AD-WSN,TB-DoS-AD-WSN-RDT和FBDR-DoS-AD-RM-WSN相比,分别显示了31.20%,23.30%和26.43%的显著精度改进.
结论:
- 拟议的DoS-AD-MAGNN-WSN为在无线传感器网络中检测DoS攻击提供了更有效和更准确的解决方案.
- 优化的MAGNN方法显示出改善WSN对先进威胁的安全性和可靠性的承诺.
