使用深度学习算法进行跨层物联网攻击检测的多层深度自动编码方法
1Faculty of Information and Communication Engineering, UCE-BIT Campus, Anna University, Tiruchirappalli, Chennai, Tamilnadu, India. saranyaokk@yahoo.com.
Scientific reports
|March 26, 2025
概括
本研究介绍了用于先进物联网 (IoT) 网络安全的多层深度自动编码器 (M-LDAE). M-LDAE增强了威胁检测准确性和应对复杂网络攻击的适应性,大大减少了假阳性.
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:
- 网络安全专业人员需要先进的技术来检测复杂的网络数据中的微妙异常.
- 现代威胁场景需要改进功能表示,可扩展性和网络安全解决方案灵活性的方法.
研究的目的:
- 为跨层物联网 (IoT) 威胁检测引入多层深度自动编码器 (M-LDAE).
- 解决当前网络安全技术中特征表示,可扩展性和灵活性方面的挑战.
主要方法:
- 利用深度自动编码器的层次简化来提取全球和本地属性.
- 集成的深度学习算法,如循环神经网络 (RNN),图形神经网络 (GNN) 和时间卷积网络 (TCN).
- 使用基准数据集和现实世界的场景进行广泛的模拟.
主要成果:
- 在物联网网络中,M-LDAE有效地防止中间人 (MitM) 和分布式拒绝服务 (DDoS) 攻击.
- 证明了适应新攻击载体的适应性,并提高了检测准确度.
- 在威胁检测中显著降低了假阳性率.
结论:
- M-LDAE为跨层物联网攻击检测提供了一个新的范式,提供了一个灵活而强大的网络安全解决方案.
- 拟议的方法增强了在各种物联网领域的网络威胁识别.
- 在不断变化的威胁环境中,M-LDAE提高了整体的网络安全弹性.
