GNN在物联网僵尸网络检测中是否值得投入？VAE-GNN与ViT-MLP及VAE-MLP方法的比较研究
计算机视觉与模式识别
2025-05-26 v1
摘要
由于基于物联网的僵尸网络攻击的指数级增长，研究人员探索了多种先进的技术用于降维和攻击检测以增强物联网安全。其中，变分自编码器（VAE）、视觉Transformer（ViT）和图神经网络（GNN），包括图卷积网络（GCN）和图注意力网络（GAT），在该攻击检测领域获得了大量研究关注。本研究评估了四种最先进的深度学习架构在物联网僵尸网络检测中的有效性：VAE编码器配合多层感知器（MLP）、VAE编码器配合GCN、VAE编码器配合GAT，以及ViT编码器配合MLP。评估在广泛研究的物联网基准数据集——N-BaIoT数据集上进行，涵盖二分类和多分类任务。对于二分类任务，所有模型的准确率、召回率、精确率和F1分数均超过99.93%，性能差异不显著。相比之下，对于多分类任务，基于GNN的模型性能显著低于VAE-MLP和ViT-MLP，准确率分别为86.42%、89.46%、99.72%和98.38%。
引用
@article{arxiv.2505.17363,
title = {Are GNNs Worth the Effort for IoT Botnet Detection? A Comparative Study of VAE-GNN vs. ViT-MLP and VAE-MLP Approaches},
author = {Hassan Wasswa and Hussein Abbass and Timothy Lynar},
journal= {arXiv preprint arXiv:2505.17363},
year = {2025}
}