在元宇宙环境中的入侵检测物联网系统通过元启发学调整了两层框架框架

科学领域:

• 网络安全 网络安全
• 人工智能的人工智能
• 变态技术 (Metaverse) 是一种技术.

背景情况:

• 物联网 (IoT) 对Metaverse集成至关重要,它能够在物理和虚拟领域之间传输数据.
• 在Metaverse中的物联网设备面临着严重的安全风险,因为它们的硬件和互联网连接最小,使它们容易受到网络攻击.
• 传统的安全方法不足以应对不断发展的物联网威胁,需要适应性,人工智能驱动的解决方案.

研究的目的:

• 增强在Metaverse环境中集成的物联网边缘设备的信任和安全性.
• 开发和验证一种新的混合框架,用于检测和分类物联网网络中的网络攻击.
• 利用先进的人工智能技术来提高Metaverse的安全性和数据管理.

主要方法:

• 开发了一个混合框架,结合了卷积神经网络 (CNN) 和机器学习 (ML) 分类器 (CatBoost,LightGBM).
• 用Metaheuristic优化器来提高ML模型的性能.
• 设计了一个双层架构,用于物联网网络中的复杂数据管理和攻击分类.

主要成果:

• 拟议的架构在识别物联网网络中特定变体的网络攻击方面表现出高效.
• 使用现实世界物联网网络攻击数据集的实验实现了多类分类的最高准确率99.83%.
• 可解释的AI方法为模型的决策提供了洞察力,有助于未来的安全增强.

结论:

• 混合CNN-ML框架显著提高了物联网边缘设备在Metaverse中的安全性和信任性.
• 该研究验证了人工智能驱动的适应性解决方案在集成环境中对抗复杂的网络威胁的有效性.
• 这些发现支持通过强大的物联网安全性来推进安全和数据驱动的Metaverse生态系统.