用于异构域自适应辅助物联网入侵检测的自适应双向推荐与自改进网络
密码学与安全
2023-03-28 v1 计算机与社会
机器学习
网络与互联网体系结构
摘要
随着物联网设备的普及，使用入侵检测保护物联网免受恶意入侵至关重要。然而，物联网的数据稀缺性阻碍了传统入侵检测方法的有效性。为解决此问题，本文提出基于无监督异构域自适应（HDA）的自适应双向推荐与自改进网络（ABRSI）。ABRSI 从数据丰富的网络入侵源域迁移丰富的入侵知识，以促进数据稀缺物联网目标域的有效入侵检测。ABRSI 通过自适应双向推荐匹配实现细粒度入侵知识迁移。两个推荐系统的双向推荐兴趣匹配与共享特征空间中入侵类别的对齐构成互利循环。此外，ABRSI 使用自改进机制，从四个方面自主改进入侵知识迁移。硬伪标签投票机制联合考虑推荐系统决策与标签关系信息，以促进更准确的硬伪标签分配。为促进入侵知识迁移过程中的多样性与目标数据参与，未被分配硬伪标签的目标实例将被分配概率软伪标签，形成混合伪标签策略。同时，ABRSI 还使软伪标签全局多样且个体确定。最后，利用错误知识学习机制对抗性地利用导致检测模糊性的因素，并通过当前与先前的错误知识进行学习，防止错误知识遗忘。整体上，这些机制构成了 ABRSI 模型，通过 HDA 辅助的入侵知识迁移提升物联网入侵检测准确率。
引用
@article{arxiv.2303.14317,
title = {Adaptive Bi-Recommendation and Self-Improving Network for Heterogeneous Domain Adaptation-Assisted IoT Intrusion Detection},
author = {Jiashu Wu and Yang Wang and Hao Dai and Chengzhong Xu and Kenneth B. Kent},
journal= {arXiv preprint arXiv:2303.14317},
year = {2023}
}
备注
Accepted by IEEE Internet of Things Journal