MACML:结合注意力和基于卷积的超级学习方法,用于少数镜头的物联网入侵检测
Congyuan Xu1,2, Jun Yang1, Panpan Li1
1College of Artificial Intelligence, Jiaxing University, Jiaxing, Zhejiang, China.
PloS one
|August 29, 2025
概括
这项研究介绍了MACML,一个用于物联网 (IoT) 安全的新型超级学习入侵检测系统. 使用最少的数据,有效检测新型网络攻击,增强物联网设备的保护.
科学领域:
- 网络安全
- 机器学习
- 物联网 (物联网)
背景情况:
- 物联网 (IoT) 设备越来越容易受到网络攻击.
- 传统的入侵检测系统 (IDS) 由于依赖广泛的标记数据而面临新的威胁.
- 对于现有的IDS来说,少量学习场景是一个重大挑战.
研究的目的:
- 为物联网环境开发先进的入侵检测方法.
- 通过有限的数据改进新型网络攻击的检测.
- 提高入侵检测系统的通用化能力.
主要方法:
- 建议使用MACML (结合注意力和基于卷积的超级学习),一种超级学习方法.
- 整合全球特征提取的自我注意机制和局部特征提取的卷积神经网络.
- 使用基于优化的超级学习框架,以快速适应少量培训样本.
主要成果:
- 在CICIDS2018上,MACML的准确性达到了98.75%,检测率达到了99.17%,只有10个训练样本.
- 在CICIoT2023中,MACML显示了94.47%的准确性和95.32%的检测率.
- 提出的方法优于现有的最先进的入侵检测技术.
结论:
- MACML有效地解决了在物联网的少数场景中检测新型网络攻击的挑战.
- 注意和卷积的整合增强了模型对网络流量特征的感知.
- MACML为物联网生态系统的强大和适应性入侵检测提供了一个有希望的解决方案.
