利用稀疏自编码器检测物联网网络中的异常通信
密码学与安全
2019-12-30 v1 机器学习
神经与进化计算
信号处理
摘要
如今，IoT 设备已被广泛部署以实现各类智能服务，如智能家居或电子医疗。然而，由于许多 IoT 设备存在漏洞，安全性仍是首要关注问题之一。此外，IoT 恶意软件不断演化且日益复杂。IoT 设备旨在执行非常特定的任务，因此其网络行为预期相当稳定且可预测。任何偏离正常模式的显著行为都表明异常事件。本文中，我们提出一种利用一组稀疏自编码器检测 IoT 网络中异常网络通信的方法。所提方法使我们能够区分恶意通信与合法通信，从而若设备被攻陷，仅可丢弃恶意通信而设备所提供的服务不会完全中断。为刻画网络行为，提取双向 TCP 流，并利用所发送与接收的前 N 个数据包大小统计及其相应包间到达时间统计进行描述。随后训练一组稀疏自编码器以学习实验性智能家居网络生成的合法通信轮廓。根据 N 的取值，所开发模型的攻击检测率介于 86.9% 至 91.2%，误报率介于 0.1% 至 0.5%。
引用
@article{arxiv.1912.11831,
title = {Anomalous Communications Detection in IoT Networks Using Sparse Autoencoders},
author = {Mustafizur Rahman Shahid and Gregory Blanc and Zonghua Zhang and Hervé Debar},
journal= {arXiv preprint arXiv:1912.11831},
year = {2019}
}