在Edge-IIoT数字双胞胎环境中使用深度学习方法检测DDoS攻击

科学领域:

• 网络安全 网络安全
• 事物的工业互联网 (IIoT)
• 数字双胞胎是一个数字双胞胎.

背景情况:

• 工业物联网 (IIoT) 和数字双胞胎正在改变工业系统.
• 边缘IIoT的增长需要强大的安全措施来应对像分布式拒绝服务 (DDoS) 攻击这样的威胁.
• DDoS攻击利用尸网络来压倒系统的流量.

研究的目的:

• 在Edge-IIoT数字双胞胎环境中引入一种用于检测DDoS攻击的新方法.
• 开发一种方法,保持学到的知识,并不断适应新的模型,而无需完全重新培训.
• 在公开可用的数据集上评估拟议的方法.

主要方法:

• 为Edge-IIoT数字双胞胎开发了一种新的DDoS攻击检测方法.
• 该方法侧重于持续的学习,适应新的模式,而无需全面的再培训.
• 该方法在157,600个样本的数据集上进行了测试.

主要成果:

• 提出的模型 (M1,M2,M3) 实现了高性能指标:精度 (0.93-0.94),回忆 (0.91-0.99),F1得分 (0.93-0.96) 和准确性 (0.93-0.96).
• 顺序模型之间的知识转移始终超过了基线方法.
• 该方法在Edge-IIoT数字双胞胎环境中展示了有效的DDoS攻击检测.

结论:

• 建议的知识传输方法在Edge-IIoT数字双胞胎中有效检测DDoS攻击.
• 没有再培训的持续适应是增强安全模型的可行策略.
• 这些发现突显了数字双胞胎在保护IIoT环境方面的潜力.