面向 IoT 网络的基于 Transformer 的 DDoS 攻击检测方法
计算机视觉与模式识别
2026-04-20 v3
摘要
DDoS 攻击已成为 IoT 设备安全的主要威胁，可导致对网络基础设施的严重损害。IoT 设备因资源受限而易受此类耗尽资源的攻击。传统方法无法有效应对 IoT 网络的动态特性、攻击的可扩展性、协议多样性、高流量以及设备行为的变异性，尤其是像 MQTT、CoAP 这样的协议。本文提出一种新方法，即利用在自然语言处理任务中显示卓越性能的 Transformer 模型来检测 IoT 设备上的 DDoS 攻击。该模型从网络流量数据中提取特征，并通过自注意力机制进行处理。在真实数据集上的实验表明，所提方法优于传统机器学习技术，两者在准确率、精确率、召回率和 F1 分数上实现显著比较。研究结果表明，Transformer 模型是检测 IoT 设备上 DDoS 攻击的有效方案，具有在实际 IoT 环境中部署的潜力。
引用
@article{arxiv.2508.10635,
title = {ChatENV: An Interactive Vision-Language Model for Sensor-Guided Environmental Monitoring and Scenario Simulation},
author = {Hosam Elgendy and Ahmed Sharshar and Ahmed Aboeitta and Mohsen Guizani},
journal= {arXiv preprint arXiv:2508.10635},
year = {2026}
}
备注
11 pages, 5 figures, 7 tables