面向 IoT 网络中稀有攻击的条件性 Tabular GAN 增强入侵检测系统
密码学与安全
2025-11-05 v1 机器学习
摘要
随着6G技术的推广，物联网(IoT)网络正改变各行业。然而，其广泛采用引入了显著的安全风险，特别是在检测稀有但可能造成重大损害的网络攻击方面。这使得开发稳健的入侵检测系统(IDS)对于监控网络流量和确保网络安全至关重要。传统IDS往往在面对IoT数据中的严重类别不平衡问题时难以检测稀有攻击。本文提出一种新型两阶段系统，称为条件性表格生成式对抗网络(CTGAN)增强的稀有数据生成深度神经网络(CTGSM-DNN)。在第一个阶段，采用条件性表格生成式对抗网络(CTGAN)为稀有攻击类别生成合成数据。在第二个阶段，应用SMOTEENN方法提高数据集质量。该完整研究采用CSE-CIC-IDS2018数据集进行，评估了所提出IDS的性能。实验结果显示，所提出的多类别分类器有效果，实现了99.90%的总体准确率和80%的稀有攻击检测准确率。
引用
@article{arxiv.2502.06031,
title = {A Conditional Tabular GAN-Enhanced Intrusion Detection System for Rare Attacks in IoT Networks},
author = {Safaa Menssouri and El Mehdi Amhoud},
journal= {arXiv preprint arXiv:2502.06031},
year = {2025}
}