通过使用基于深度maxout网络的入侵检测系统以及海优化来改进智能城市安全
Wahid Rajeh1, Majed Aborokbah1, Manimurugan S1
1Faculty of Computers and Information Technology, University of Tabuk, Tabuk, Saudi Arabia.
PeerJ. Computer science
|June 26, 2025
概括
本研究介绍了智能城市公共交通的资源效率高的入侵检测系统 (IDS). 深度Maxout网络与Walrus优化 (DMN-WO) 模型在检测网络威胁方面实现了高精度.
科学领域:
- 网络安全 网络安全
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
- 智慧城市基础设施 智慧城市基础设施
背景情况:
- 智能城市利用物联网进行城市优化,增加对安全公共交通的需求.
- 在城市环境中确保互联的数字基础设施至关重要.
研究的目的:
- 开发一个强大的入侵检测系统 (IDS) 用于智能城市的公共交通.
- 解决物联网支持的城市交通系统的独特安全挑战.
主要方法:
- 开发了一个IDS模型,将深度Maxout网络 (DMN) 与Walrus优化 (WO) 集成在一起.
- DMN-WO模型具有maxout激活功能,用于在物联网流量中复杂的模式识别.
- 该模型是为了资源效率而设计的,适合在Raspberry Pi等设备上实时部署.
主要成果:
- 使用CIC-IDS-2018,CIC-IDS-2029数据集和实时数据进行了DMN-WO模型的训练和验证.
- 实现了高性能指标:98.06%的准确性,98.50%的检测率,98.81%的精度,98.24%的特异性,98.57%的F1得分.
- 在智慧城市的公共交通网络中实时检测威胁的有效性.
结论:
- 该研究为智能城市公共交通提供了弹性网络安全解决方案.
- DMN-WO模型在基于物联网的城市基础设施中推进了威胁检测和缓解.
- 这项工作为未来在智能城市环境中的真实世界部署奠定了基础.
