面向医疗物联网网络中零日攻击检测的层次化入侵检测系统
机器学习
2025-08-15 v1 网络与互联网体系结构
摘要
医疗物联网（IoMT）正在推动一场医疗保健革命，但仍易受拒绝服务、勒索软件、数据劫持和欺骗等网络攻击。这些网络由资源受限的异构设备（例如，可穿戴传感器、智能药丸、植入式设备）组成，使得传统的集中式入侵检测系统（IDS）因响应延迟、隐私风险和新增漏洞而不适用。集中式 IDS 要求所有传感器将数据传输到中央服务器，在密集环境中会导致延迟或网络中断。由于计算能力有限，在 IoMT 设备上本地运行 IDS 通常不可行，而且即使是轻量级 IDS 组件，如果更新的模型延迟，也会面临风险，使其暴露于威胁患者健康和数据安全的零日攻击之下。我们提出了一个能够检测零日攻击并区分已知和未知威胁的多层 IoMT IDS 框架。第一层（近边缘）使用元学习或单类分类（OCC）配合 usfAD 算法，在粗粒度级别（攻击与否）过滤流量。后续层（远边缘、云）识别攻击类型和新颖性。在 CICIoMT2024 数据集上的实验显示，准确率达到 99.77%，F1 分数达到 97.8%。第一层无需新数据集即可高精度检测零日攻击，确保了在 IoMT 环境中的强适用性。此外，元学习方法也取得了高性能。
引用
@article{arxiv.2508.10346,
title = {A Hierarchical IDS for Zero-Day Attack Detection in Internet of Medical Things Networks},
author = {Md Ashraf Uddin and Nam H. Chu and Reza Rafeh},
journal= {arXiv preprint arXiv:2508.10346},
year = {2025}
}
备注
13 pages, and 4 figures