相关实验视频
工业物联网系统中的智能网络安全管理使用属性减少与协作深度学习启用虚假数据注入攻击检测方法
Ibrahim Alrashdi1, Salahaldeen Duraibi2
1Department of Computer Science, College of Computer and Information Sciences, Jouf University, 73211, Sakaka, Al-Jouf, Saudi Arabia.
Scientific reports
|December 14, 2025
概括
使用特征选择和投票分类器 (IMFDIA-FSVC) 的虚假数据注入攻击的智能管理技术有效地检测和减轻工业物联网 (IIoT) 系统中的虚假数据注入攻击 (FDIA),达到99.15%的准确性.
科学领域:
- 网络安全 网络安全
- 事物的工业互联网 (IIoT)
- 机器学习 机器学习
背景情况:
- 工业物联网 (IIoT) 系统面临着来自虚假数据注入攻击 (FDIA) 的重大安全风险.
- 传统的安全模型难以检测FDIA,因为攻击者和数据操纵的动态性质.
- 深度学习 (DL) 为实时的FDIA检测和个性化的安全措施提供了先进的功能.
研究的目的:
- 为IIoT系统引入使用特征选择和投票分类器 (IMFDIA-FSVC) 技术的虚假数据注入攻击的智能管理.
- 开发一个强大的模型来检测和减轻FDIA,确保安全可靠的IIoT操作.
- 与现有方法相比,提高FDIA检测的准确性和效率.
主要方法:
- 数据预处理,包括缺失值分析和规范化.
- 使用统计和信息理论选择 (SITS) 技术进行特征选择.
- 使用时间卷积网络 (TCN),深信网络 (DBN) 和自动编码器 (AE) 与投票分类器组合的分类.
主要成果:
- IMFDIA-FSVC技术在检测FDIA方面表现出卓越的性能.
- 在IIoT和FDIA数据集上实现了99.15%的准确性.
- 在比较研究中表现优于现有模型.
结论:
- IMFDIA-FSVC技术为IIoT中的FDIA检测和缓解提供了有效的解决方案.
- 拟议的方法确保了IIoT环境中的更安全,更可靠的操作.
- 结合先进的DL模型和特征选择,可显著提高检测准确度.
