对基于机器学习的物联网网络安全方法老化问题的现代分析
密码学与安全
2021-10-18 v1 机器学习
摘要
现代科学进步常常催生并完善前所未有的技术。这对人类而言可能是一项艰巨的维护和监控任务，因此我们的社会已变得依赖机器学习来协助完成这一任务。新技术带来新方法，从而也带来了规避现有网络安全措施的新途径。本研究考察了当前工业界用于恶意软件和入侵检测的三种不同物联网网络安全算法的有效性：随机森林（RF）、支持向量机（SVM）和K近邻（KNN）。每种算法均在2020年1月发布的Aposemat IoT-23数据集上进行了训练和测试，该数据集最早的捕获数据来自2018年，最晚的来自2019年。RF、SVM和KNN在入侵检测中分别达到了92.96%、86.23%和91.48%的最高准确率，在恶意软件检测中分别达到了92.27%、83.52%和89.80%的最高准确率。研究发现，这三种算法均能有效应用于2021年当前的物联网网络安全格局。
引用
@article{arxiv.2110.07832,
title = {A Modern Analysis of Aging Machine Learning Based IoT Cybersecurity Methods},
author = {Sam Strecker and Rushit Dave and Nyle Siddiqui and Naeem Seliya},
journal= {arXiv preprint arXiv:2110.07832},
year = {2021}
}