面向IoT的动态时序位置编码用于早期入侵检测
密码学与安全
2025-06-24 v1 机器学习
摘要
互联网物事（IoT）的快速扩张引入了重大的安全挑战，迫切需要高效且自适应的入侵检测系统（IDS）。传统IDS模型常常忽视网络流量的时序特征，限制了其在早期威胁检测中的有效性。我们提出一种基于Transformer的早期入侵检测系统（EIDS），其采用动态时序位置编码以提高检测精度，同时保持计算效率。通过利用网络流量时间戳，我们的方法捕获了既指示恶意行为的序列结构，又指示时间不规则性的特征。此外，我们引入数据增强管道以提高模型的鲁棒性。在CICIoT2023数据集上评估，我们的方法在准确率和早期检测方面均优于现有模型。我们进一步证明了其在资源受限的IoT设备上的实时可行性，实现低延迟推理和最小内存占用。
关键词
引用
@article{arxiv.2506.18114,
title = {Dynamic Temporal Positional Encodings for Early Intrusion Detection in IoT},
author = {Ioannis Panopoulos and Maria-Lamprini A. Bartsioka and Sokratis Nikolaidis and Stylianos I. Venieris and Dimitra I. Kaklamani and Iakovos S. Venieris},
journal= {arXiv preprint arXiv:2506.18114},
year = {2025}
}
备注
Accepted at the 10th International Conference on Smart and Sustainable Technologies (SpliTech 2025)