一种基于深度学习的物联网设备网络安全事件检测与表征方法

鉴于物联网网络的日益增长及其在人类活动关键方面的存在，连接到这些网络的设备的安全性变得至关重要。机器学习方法因其处理流量信息以检测可能代表针对基础设施攻击的异常模式的能力，正逐渐成为计算机网络安全解决方案的推动者。在本文中，我们提出利用卷积神经网络和循环神经网络（这两种在图像处理等模式识别环境中成功使用的工具）来开发用于物联网环境的安全解决方案。我们的结果表明，当使用最先进的数据集进行评估时，该方法在攻击的二分类（即正常流量与攻击流量）中达到约99%的准确率，在多分类（识别不同类型的攻击）中达到96%的准确率。这些结果优于文献中已有的方案，为开发物联网基础设施的安全解决方案展示了有前景的前景。