IoT 网络中基于 IoT 设备日志的协作对抗节点学习
密码学与安全
2021-12-24 v1 机器学习
网络与互联网体系结构
摘要
人工智能（AI）的发展推动了诸多新研究领域，包括支持 AI 的物联网（IoT）网络。AI 分析与智能范式大幅提升了学习效率与精度。将这些学习范式应用于网络场景为新联网方案提供了技术优势。本文中，我们从数据视角提出一种改进的 IoT 安全方法。IoT 设备的网络流量可利用 AI 技术分析。所提对抗学习（AdLIoTLog）模型使用带注意力机制的循环神经网络（RNN）处理网络流量中网络事件序列。我们将网络事件定义为日志中捕获的协议时间序列包序列。我们考虑了网络日志中不同的 TCP 包、UDP 包与 HTTP 包以使算法鲁棒。分布式 IoT 设备可协作使正延伸至智能互联网的我们的世界瘫痪。时间序列包通过去噪与添加时间戳转换为结构化数据。所得数据集由 RNN 训练并可检测相互协作的节点对。我们使用 BLEU 分数评估模型性能。我们的结果显示，与网络未受攻击场景相比，受攻击情形下由本发明方法训练的 AdLIoTLog 模型预测性能下降 3-4%。AdLIoTLog 可检测对抗者，因为对抗者出现时模型被协作事件欺骗，从而以偏置事件而非良性事件预测下一事件。我们得出结论：AI 可为新一代物联网提供泛在学习的支撑。
引用
@article{arxiv.2112.12546,
title = {Collaborative adversary nodes learning on the logs of IoT devices in an IoT network},
author = {Sandhya Aneja and Melanie Ang Xuan En and Nagender Aneja},
journal= {arXiv preprint arXiv:2112.12546},
year = {2021}
}