一种使用 Apache Spark 的精确物联网入侵检测框架
密码学与安全
2022-03-10 v1 网络与互联网体系结构
摘要
自 20 世纪 80 年代出现以来，互联网带来了巨大变革，而现在物联网（IoT）似乎正在做同样的事。物联网的潜力使其成为许多人关注的焦点，但是，当一些人在其中看到贡献的机会时，另一些人可能将物联网网络视为可被利用的目标。海量物联网设备使其成为发动拒绝服务攻击（DoS）的完美环境，而此类攻击可能造成毁灭性后果。这使得网络安全措施如入侵检测系统（IDSs）的需求显而易见。本文旨在使用大数据平台 Apache Spark 构建一种 IDS。Apache Spark 与其 ML 库（MLlib）以及 BoT-IoT 数据集一同使用。该 IDS 随后基于 F-度量（f1）进行测试与评估，这也是评估不平衡数据时的标准做法。进行了两轮测试，一轮使用部分数据集以最小化偏差，另一轮使用完整 BoT-IoT 数据集以探索安全设定下的大数据与 ML 能力。对于部分数据集，随机森林算法在二分类上取得最高性能，平均 f1 度量为 99.7%，主类别分类为 99.6%，子类别分类 f1 度量为 88.5%。而对于完整数据集，决策树算法在所有测试中获得最高 f1 度量：二分类 97.9%，主类别分类 79%，子类别分类 77%。
引用
@article{arxiv.2203.04347,
title = {An accurate IoT Intrusion Detection Framework using Apache Spark},
author = {Mohamed Abushwereb and Mouhammd Alkasassbeh and Mohammad Almseidin and Muhannad Mustafa},
journal= {arXiv preprint arXiv:2203.04347},
year = {2022}
}
备注
15 pages