利用先进的混合深度学习模型实时检测和预防中间人网络攻击
V Kandasamy1,2, A Ameelia Roseline3
1Department of Information and Communication Engineering, Anna University, Chennai, India. mail4kands@gmail.com.
Scientific reports
|January 11, 2025
概括
本研究介绍了AEXB模型,这是一个混合深度学习系统,用于检测智能家居中的中间人 (MitM) 攻击. 它在识别网络威胁方面实现了高精度,增强了智能家居的安全性.
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:
- 智能家居设备增加了对Man-in-the-Middle (MitM) 攻击的脆弱性.
- 传统的安全方法对复杂的,适应性的网络威胁是不够的.
- 先进的入侵检测系统对于智能家居安全至关重要.
研究的目的:
- 引入AEXB模型,这是用于检测MitM攻击的混合深度学习方法.
- 为了提高智能家居入侵检测的准确性和减少虚假阳性.
- 在智能家居环境中对不断变化的网络威胁提供持续保护.
主要方法:
- 开发了一个混合深度学习模型 (AEXB),结合了AutoEncoder和XGBoost.
- 实施了强大的数据预处理:清理,缩放和缩小维度.
- 使用特征工程和选择技术 (RFE,相关性分析).
主要成果:
- 该AEXB模型在智能家居入侵检测 (IDSH) 数据集上实现了97.24%的准确性.
- 与传统方法相比,证明了虚假阳性显著减少.
- 展示了对异常网络行为的有效实时检测.
结论:
- AEXB模型提供了一种高效的解决方案,用于检测智能家居中的MitM攻击.
- 混合深度学习方法在复杂的网络安全场景中提供了卓越的性能.
- 该模型通过准确和快速的威胁识别来增强智能家居安全.
