在物联网中使用图形注意力网络进行先进的入侵检测
Aamir S Ahanger1, Sajad M Khan1, Faheem Masoodi1
1Department of Computer Science, University of Kashmir, Srinagar, Jammu & Kashmir, India.
Scientific reports
|March 22, 2025
概括
一个新的基于图形 (GB) 的算法和图形注意网络 (GAT) 增强了物联网 (IoT) 的安全性. 这张图表基于神经网络 (GNN) 的入侵检测系统 (IDS) 有效地识别入侵,提高物联网系统的稳定性和可扩展性.
科学领域:
- 网络安全 网络安全
- 计算机网络 计算机网络
- 人工智能的人工智能
背景情况:
- 物联网 (IoT) 连接着各种各样的设备,造成了重要的安全漏洞.
- 在物联网系统中,加密和身份验证等现有的安全措施往往是不够的.
- 互联设备的扩散需要先进的安全解决方案.
研究的目的:
- 提出一种新的基于图形 (GB) 的算法,用于构建物联网系统的图形表示.
- 开发和评估基于图形神经网络 (GNN) 的入侵检测系统 (IDS),使用图形注意网络 (GAT).
- 评估基于GNN的IDS在检测物联网环境中的安全威胁方面的有效性.
主要方法:
- 利用基于图形 (GB) 的算法将物联网系统模型成图形.
- 实施了一个入侵检测系统 (IDS),利用图表注意网络 (GAT) 进行基于图表的学习.
- 在NSL-KDD数据集上评估了GNN模型的性能,使用关键指标:F1分数,回忆,准确性和精度.
主要成果:
- 基于GNN的IDS在检测入侵方面表现出很高的有效性.
- 性能评估证实了模型的准确性,精度和回忆力.
- 该研究验证了拟议的基于GNN的IDS的稳定性和可扩展性.
结论:
- 拟议的基于GNN的IDS提供了一种有前途的方法来提高物联网安全性.
- 图表注意网络 (GAT) 能够有效地识别相互连接的系统中的恶意活动.
- 该方法为缓解物联网 (IoT) 中不断变化的安全挑战提供了可扩展的解决方案.
