Block Hunter：基于联邦学习的区块链工业物联网网络网络威胁狩猎
密码学与安全
2022-04-22 v1 计算机与社会
摘要
如今，基于区块链的技术正在各行业中被开发以提升数据安全性。在工业物联网（IIoT）背景下，基于链的网络是区块链技术最显著的应用之一。IIoT设备在我们的数字世界中已愈发普遍，尤其在支撑智能工厂发展方面。尽管区块链是强大工具，但它易受网络攻击。在智能工厂中基于区块链的IIoT网络里检测异常对于保护网络与系统免受意外攻击至关重要。本文中，我们使用联邦学习（FL）构建了一个称为Block Hunter的威胁狩猎框架，以自动狩猎基于区块链的IIoT网络中的攻击。Block Hunter利用基于聚类的架构进行异常检测，并在联邦环境中结合若干机器学习模型。据我们所知，Block Hunter是IIoT网络中首个在保护隐私的同时识别异常行为的联邦威胁狩猎模型。我们的结果证明了Block Hunter在以高准确率和最小所需带宽检测异常活动方面的效率。
引用
@article{arxiv.2204.09829,
title = {Block Hunter: Federated Learning for Cyber Threat Hunting in Blockchain-based IIoT Networks},
author = {Abbas Yazdinejad and Ali Dehghantanha and Reza M. Parizi and Mohammad Hammoudeh and Hadis Karimipour and Gautam Srivastava},
journal= {arXiv preprint arXiv:2204.09829},
year = {2022}
}
备注
https://ieeexplore.ieee.org/document/9759988