AIDPS：面向水下声学传感器网络的自适应入侵检测与防御系统
密码学与安全
2023-09-15 v1 人工智能
摘要
水下声学传感器网络（UW-ASNs）主要用于水下环境，并在许多领域有应用。然而，安全考虑的缺失、水下环境的不稳定与严峻特性，以及用于 UW-ASN 的传感器节点资源受限的本质（使其无法采用安全原语），使得 UW-ASN 易于遭受漏洞。本文提出了一种称为 AIDPS 的面向 UW-ASN 的自适应去中心化入侵检测与防御系统。所提 AIDPS 可提升 UW-ASN 的安全性，从而高效检测水下相关攻击（例如黑洞、灰洞和泛洪攻击）。为确定所提架构的最有效配置，我们使用若干最先进机器学习算法（例如自适应随机森林（ARF）、轻量梯度提升机和 K-近邻）和概念漂移检测算法（例如 ADWIN、kdqTree 和 Page-Hinkley）进行了大量实验。我们的实验结果表明，采用 ADWIN 的增量 ARF 与一类支持向量机（SVM）基于异常的检测器结合实现时提供最优性能。此外，我们广泛的评估结果还表明，所提方案在提供可扩展性和复杂性等更广泛理想特性的同时，优于最先进的基准方法。
引用
@article{arxiv.2309.07730,
title = {AIDPS:Adaptive Intrusion Detection and Prevention System for Underwater Acoustic Sensor Networks},
author = {Soumadeep Das and Aryan Mohammadi Pasikhani and Prosanta Gope and John A. Clark and Chintan Patel and Biplab Sikdar},
journal= {arXiv preprint arXiv:2309.07730},
year = {2023}
}