通过尖端机器学习范式提高智能网络的入侵检测和安全防御
Md Minhazul Islam Munna1, Md Mahbubur Rahman1, Jaroslav Frnda2,3
1Department of Computer Science and Technology, Beijing Institute of Technology, 5 Zhongguancun South Street, Beijing, 100081, China.
Scientific reports
|November 14, 2025
概括
本研究介绍了一种机器学习框架,用于增强Wi-Fi安全性,防止KRACK和Kr00k攻击. 新型组合模型显著提高了物联网设备的入侵检测准确性.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 网络安全 网络安全
背景情况:
- 物联网 (IoT) 设备在很大程度上依赖于Wi-Fi,从而创建了被KRACK和Kr00k等攻击所利用的漏洞.
- 传统的入侵检测系统 (IDS) 在模型过拟合,特征提取和高错误阳性率方面扎.
研究的目的:
- 为Wi-Fi网络开发一个强大的多类机器学习入侵检测框架.
- 解决传统IDS在检测物联网设备上的复杂攻击方面的局限性.
主要方法:
- 实施了用于关键属性识别的高级特征选择技术.
- 开发了两种机器学习架构:一个基线分类器和一个堆叠组合模型.
- 整体模型包含噪声注入,主要组件分析 (PCA) 和元学习.
主要成果:
- 拟议的整体架构实现了98%的准确性,98%的精度和98%的回忆.
- 整体模型显示,假阳性率很低,仅为2%.
- 性能超过了AWID3数据集上现有的最先进的方法.
结论:
- 将预处理策略与集体学习相结合,有效地加强了对Wi-Fi攻击的网络安全性.
- 开发的框架为保护物联网环境提供了可扩展和可靠的解决方案.
- 未来的工作包括实时部署和对抗性弹性测试.
