在物联网 (IoT) 中使用深度神经网络和基于区块链的网络安全来增强异常检测和预防

科学领域:

• 网络安全 网络安全
• 人工智能的人工智能
• 分布式系统 分布式系统

背景情况:

• 物联网 (IoT) 的采用增加了网络安全风险.
• 传统的安全与物联网的数据量和不断变化的威胁作斗争.
• 在物联网中需要先进的异常检测和预防.

研究的目的:

• 为物联网网络安全提供一个集成的深度神经网络 (DNN) 和区块链技术 (BCT) 框架.
• 增强物联网环境中的异常检测和实时威胁预防.
• 提高数据完整性,透明度和分散的安全性.

主要方法:

• 利用DNN进行智能异常检测,采用多层特征提取和自适应学习.
• 在物联网流量数据上训练DNN来分类正常与异常的网络行为.
• 集成的区块链技术用于数据完整性,分散的安全性和通过智能合约实现自动化威胁响应.

主要成果:

• 在识别DDoS和恶意软件等威胁方面,实现了99.18%的检测准确率和15.42%的错误阳性率.
• 区块链确保了数据完整性,透明度,并消除了单点故障.
• 智能合约能够实现自主,实时的攻击响应,效率为95.25%,可扩展性为94.96%.

结论:

• DNNs-BCT框架为物联网网络安全提供了一个强大,可扩展和适应的解决方案.
• 集成提供了增强的信任,身份验证和安全通信.
• 该方法有效地解决了不断发展的物联网网络中的实时网络安全威胁.