引入基于ResNeXt和改进的埃博拉优化搜索算法的物联网云环境的混合入侵检测方法
Juan Wu1, Shuai Fu2, Mohammad Sarabi3,4
1College of Computer and Big Data, Jining Normal College, Ulanqab, Inner Mogolia, 012000, China.
Scientific reports
|October 29, 2025
概括
本研究介绍了一种混合入侵检测系统,用于物联网云环境,使用ResNeXt和改进的埃博拉优化搜索算法 (IEOSA). 这种新的方法通过准确识别网络攻击,显著提高了安全性.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 云计算 云计算 云计算 云计算
背景情况:
- 物联网 (IoT) 和云计算集成创造了重要的漏洞.
- 增加的连接性扩大了攻击表面,需要先进的入侵检测方法.
研究的目的:
- 为物联网云环境开发混合入侵检测系统.
- 提高物联网云生态系统的安全性和可靠性.
主要方法:
- 利用ResNeXt,一个深度卷积神经网络 (DCNN) 架构,以实现高效的特征提取.
- 采用了改进的埃博拉优化搜索算法 (IEOSA),这是一个新的元启发式优化器,用于增强搜索性能.
主要成果:
- 在标准数据集上实现了98.3%的检测准确性 (CICIDS 2017,NSL-KDD).
- 在回忆,F1分数和精度方面获得了97%以上的安全性,展示了卓越的入侵检测能力.
结论:
- 混合框架有效地将深度学习与元启发式优化集成在一起,以实现强大的入侵检测.
- 与传统方法相比,这种方法提供了一个更安全,更有效的物联网云生态系统.
相关概念视频
01:18Steps in Outbreak Investigation
485
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
485
00:42Cross-reactivity
32.8K
Overview
32.8K