相关实验视频
Updated: May 4, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.2K
基于人工智能的智能传感检测网络安全威胁,使用智能设备中的多模式传感器数据来检测网络安全威胁
Muhammad Latif1, Abdul Ahad Abro2, Syed Muhammad Daniyal3
1Iqra University, Karachi, Pakistan.
Scientific reports
|February 26, 2026
概括
本研究提出了一种深度学习方法,使用多式联网传感器数据来检测物联网 (IoT) 系统中的网络攻击. 新的架构有效地识别威胁,为资源有限的环境提供可扩展的解决方案.
科学领域:
- 网络安全 网络安全
- 人工智能的人工智能
- 物联网 (IoT) 的物联网 (IoT) 的物联网.
背景情况:
- 物联网 (IoT) 系统存在独特的网络物理漏洞.
- 传统的基于网络的入侵检测与设备上传感器生成的恶意活动作斗争.
研究的目的:
- 引入多式传感架构,用于检测物联网设备中的网络攻击.
- 为了提高威胁识别,利用异质传感器数据 (加速,陀螺仪,麦克风,温度).
主要方法:
- 开发了一个混合深度学习架构,结合了卷积神经网络 (CNN),循环神经网络 (RNN) 和变压器.
- 实现了跨传感器模式的特征融合和时空相互作用分析.
- 评估了定制多式联运数据集和公共数据集 (CICIDS-2017,IoT-23) 的框架.
主要成果:
- 实现了0.96的高曲线下面积 (AUC) 和0.94.9的F1得分.
- 在边缘硬件上展示了23毫秒的低推理延迟,证实了实时部署能力.
- 验证了多式联络深度学习在网络物理威胁检测方面的有效性.
结论:
- 多模式深度学习为物联网中的网络物理威胁检测提供了一种强大而可扩展的方法.
- 拟议的架构有效地解决了物联网环境中传统入侵检测系统的局限性.
- 该框架适合在资源有限的物联网设置中实时部署.
