面向医疗和工业物联网的基于 BiGRU-LSTM-Attention 的稳健跨域入侵检测系统
密码学与安全
2025-08-19 v1 人工智能
摘要
医疗物联网 IoMT 和工业物联网 IIoT 的互操作性增加引入了复杂的网络安全挑战，将敏感数据、患者安全和工业运营暴露于高级网络威胁之下。为缓解这些风险，本文提出一种新颖的基于转换器的入侵检测系统 IDS，称为 BiGAT-ID，这是一种混合模型，结合了双向门控循环单元 BiGRU、长短期记忆 LSTM 网络和多头注意力 MHA。该 proposed 架构设计用于有效捕获双向时序依赖性、建模序列模式并增强上下文特征表示。对两个基准数据集进行大量实验，CICIoMT2024 医疗物联网和 EdgeIIoTset 工业物联网，显示出该模型的跨域鲁棒性，分别实现了 99.13% 和 99.34% 的检测准确率。此外，该模型表现出卓越的运行时效率，在 IoMT 和 IIoT 场景中的推理时间分别可低至 0.0002 秒和 0.0001 秒。结合低误报率，BiGAT-ID 证明是一个可靠且高效的 IDS，可部署在实际的异构物联网环境中。
引用
@article{arxiv.2508.12470,
title = {A Robust Cross-Domain IDS using BiGRU-LSTM-Attention for Medical and Industrial IoT Security},
author = {Afrah Gueriani and Hamza Kheddar and Ahmed Cherif Mazari and Mohamed Chahine Ghanem},
journal= {arXiv preprint arXiv:2508.12470},
year = {2025}
}
备注
10 pages