基于规则的深度学习模型在 IoT 网络中新型攻击与异常的检测与分类
信息检索
2023-08-02 v1
摘要
攻击者正使用多态性等复杂技术，使每次新攻击的攻击模式发生变化。因此，新型攻击的检测已成为网络专家与研究人员的最大挑战。近来，异常与混合方法被用于网络攻击检测。而新型攻击的检测，是广泛 IoT 应用的关键赋能因素。新型攻击可轻易规避现有基于签名的检测方法，且极难检测，甚至多年未被发现。现有机器学习模型同样未能检测出攻击且假阳性率高。本文提出一种基于规则的深度神经网络技术，作为解决新型攻击检测问题的框架。所设计的框架显著改进了相应基准结果，包括 CICIDS 2017 数据集。实验结果表明，所提模型在攻击检测、不真实阳性率与不真实阴性率之间保持了良好平衡。对于新型攻击，模型准确率超过 99%。在网络设备（IoT）自动交互期间，安全与隐私是主要障碍。我们提出的方法可高效应对这些障碍，并最终识别与分类不同级别的威胁。
引用
@article{arxiv.2308.00005,
title = {Detection and Classification of Novel Attacks and Anomaly in IoT Network using Rule based Deep Learning Model},
author = {Sanjay Chakraborty and Saroj Kumar Pandey and Saikat Maity and Lopamudra Dey},
journal= {arXiv preprint arXiv:2308.00005},
year = {2023}
}