智能深度表示学习与增强的功能选择方法用于在物联网中检测网络攻击,启用了云环境
Hayam Alamro1, Sami Saad Albouq2, Jahangir Khan3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, 11671, Riyadh, Saudi Arabia.
Scientific reports
|September 30, 2025
概括
本研究介绍了一种智能混合深度学习方法,以增强云和物联网 (IoT) 网络中的网络安全. 该方法有效地以高准确度检测网络攻击,改善网络安全.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 云计算和物联网中的物联网.
背景情况:
- 云计算 (CC) 和物联网 (IoT) 系统越来越重要,但面临着复杂的网络攻击.
- 传统的入侵检测系统 (IDS) 与先进的恶意软件和逃避技术作斗争.
- 人工智能 (AI),特别是深度学习 (DL),为检测复杂的网络威胁提供了先进的解决方案.
研究的目的:
- 提出一种智能混合深度学习方法,用于用于物联网启用云网络的网络攻击检测,使用增强功能选择技术 (IHDLM-CADEFST).
- 通过识别关键威胁和开发强有力的检测策略,改善物联网系统的网络安全态度.
- 在复杂的网络环境中提高网络攻击检测的准确性和效率.
主要方法:
- 使用标准缩放器方法进行数据预处理.
- 使用递归特征消除与信息获取 (RFE-IG) 的特征选择 (FS) 来识别相关特征并防止过拟合.
- 实现混合卷积神经网络和长短期记忆 (CNN-LSTM) 模型,使用RMSprop优化器进行攻击分类.
主要成果:
- IHDLM-CADEFST方法在ToN-IoT和Edge-IIoT数据集上表现出卓越的性能.
- 在ToN-IoT上达到99.45%的高准确率,在Edge-IIoT上达到99.19%的高准确率.
- 在网络攻击检测方面表现优于最近最先进的模型.
结论:
- 拟议的IHDLM-CADEFST方法显著提高了物联网启用云网络中的网络安全.
- 混合DL模型与有效的功能选择相结合,为检测复杂的网络威胁提供了强大的工具.
- 这项研究有助于加强互联系统中数字资产的安全性和隐私.