基于模拟的数据集EmuIoT-VT用于物联网系统中的NIDS
Antanas Čenys1, Simran Kaur Hora1, Nikolaj Goranin1
1Department of Information Systems, Vilnius Gediminas Technical University, 10223 Vilnius, Lithuania.
Sensors (Basel, Switzerland)
|August 28, 2025
概括
一个新的平衡数据集,EmuIoT-VT,解决了基于异常的网络入侵检测系统 (NIDS) 对物联网 (IoT) 安全性的类别不平衡. 这一数据集可以更可靠地检测网络威胁.
科学领域:
- 网络安全
- 网络入侵检测系统 (NIDS)
- 物联网安全中的机器学习
背景情况:
- 物联网 (IoT) 设备的普及需要强大的安全机制.
- 使用机器学习 (ML) 和深度学习 (DL) 的基于异常的NIDS对于检测网络异常至关重要.
- 现有数据集中的类数据不平衡阻碍了基于ML/DL的异常NIDS的性能.
研究的目的:
- 引入EmuIoT-VT,这是一个新的,平衡的数据集,用于开发和评估基于异常的NIDS.
- 介绍一种基于模拟的新方法,用于生成现实的物联网网络流量.
- 解决物联网安全数据集中的类数据不平衡的挑战.
主要方法:
- 开发了一种基于仿真的新方法,用于创建虚拟物联网设备副本,以实现现实的流量生成.
- 在孤立的离线环境中收集网络流量以确保数据完整性.
- 设计了EmuIoT-VT数据集,以平衡设计,有28000个均分布的标记记录.
主要成果:
- 创建了EmuIoT-VT数据集,其中包括从PCAP数据中提取的82个特征.
- 数据集包括设备,类和子类之间的平衡表示.
- 支持二进制和多类分类任务,涵盖DoS,暴力,侦察和利用等攻击类别.
结论:
- 对于物联网网络安全数据集中的类失衡问题,EmuIoT-VT数据集提供了解决方案.
- 为物联网环境开发更准确和可靠的基于异常的NIDS.
- 提供未来物联网网络安全和威胁检测研究的基础.


