相关实验视频
Updated: Jan 10, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.1K
AegisGuard:一个多级混合入侵检测系统,为工业物联网安全性优化了功能选择
Mounir Mohammad Abou Elasaad1, Samir G Sayed2, Mohamed M El-Dakroury1
1Department of Electronics and Communications Engineering, Helwan University, Cairo 11728, Egypt.
Sensors (Basel, Switzerland)
|November 27, 2025
概括
AegisGuard通过一种新的混合入侵检测框架来增强工业物联网 (IIoT) 网络安全. 它有效地解决了阶级不平衡和实时需求,提高了检测准确性,减少了智能电网中的错误报警.
科学领域:
- 网络安全 网络安全
- 机器学习 机器学习
- 事物的工业互联网 (IIoT)
背景情况:
- 在智能电网中IIoT的扩展增加了网络攻击的风险.
- 传统的入侵检测系统 (IDS) 面临着阶级不平衡和实时约束的问题.
- 现有的IDS在不同的IIoT环境中缺乏通用性和稳定性.
研究的目的:
- 为IIoT环境引入AegisGuard,这是一个混合入侵检测框架.
- 通过解决类不平衡和实时要求来提高IDS的有效性.
- 提高IDS的概括性,解释性和稳定性.
主要方法:
- AegisGuard采用一个自适应的四阶段采样过程 (SMOTE,SMOTE-ENN,ADASYN,不足采样).
- 一个量子启发的特征选择机制将多个显著性指标与信任意识的权重融合在一起.
- 使用了一组优化的机器学习模型 (随机森林,额外树木,LightGBM,XGBoost,CatBoost) 与Optuna调整和概率校准.
主要成果:
- 在CIC-IoT 2023上,AegisGuard实现了99.6%的准确率和0.31%的错误报警率.
- 在TON-IoT (98.3%),UNSW-NB15 (98.4%) 和Bot-IoT (99.4%) 上观察到类似的性能.
- 该框架将特征维度降低了54%,内存使用率降低了65%,并实现了近乎实时的推断 (0.42s/sample).
结论:
- AegisGuard证明了对运营IIoT环境的稳定性和可扩展性.
- 混合框架有效地减轻了阶级不平衡,并满足了实时推断需求.
- 拟议的方法为IIoT入侵检测系统提供了显著的进步.