一种利用 Kmeans 聚类与朴素贝叶斯的物联网异常检测混合方法
密码学与安全
2022-05-10 v1
摘要
物联网设备的激增与多样化意味着它们日益成为恶意用户的可行攻击目标。这催生了对能够跨多种设备工作的异常检测算法的需求。本论文提出了一种可应用于不同类型设备的、部署于物联网系统中的当前异常检测算法的潜在替代方案。该算法由机器学习的无监督与有监督两个领域组成，结合了各自最强方面。算法先对攻击进行初始 k-means 聚类并分配至各簇。接着，AdaBoost 增强的朴素贝叶斯监督学习算法利用这些簇来自我学习哪条数据应被聚类至哪种特定攻击。这在最终分类步骤前加入聚类数据，从而提高了所提算法的准确率。所提算法的正确识别百分比分数介于 90% 到 100% 之间，并评估了所提算法的准确率、精确率与召回率。这些高分实现了一种准确、灵活、可扩展、优化的算法，有望用于不同物联网设备，确保强数据完整性与隐私。
引用
@article{arxiv.2205.04005,
title = {A Hybrid Approach: Utilising Kmeans Clustering and Naive Bayes for IoT Anomaly Detection},
author = {Lincoln Best and Ernest Foo and Hui Tian},
journal= {arXiv preprint arXiv:2205.04005},
year = {2022}
}
备注
43 pages, 40 tables