通过特征工程与集成技术增强MQTT环境中DoS与暴力破解攻击的检测
网络与互联网体系结构
2024-08-02 v1
摘要
物联网（IoT）环境的快速发展引入了前所未有的连接和自动化水平。消息队列遥测传输（MQTT）协议因其轻量高效的特点在IoT应用中得到广泛认可；然而，这种简洁性也使MQTT容易受到针对协议发起的多种攻击，包括拒绝服务（DoS）和暴力破解攻击。本研究旨在提高MQTT流量入侵检测系统（IDS）中DoS和暴力破解攻击的入侵检测能力。我们的方法通过采用有效的特征工程和集成学习技术，利用MQTT数据集进行模型训练。经过分析和比较，我们识别出10个最具有效性的特征，从而提高了模型准确率。我们使用监督机器学习模型，包括随机森林（Random Forest）、决策树（Decision Trees）、k近邻（k-Nearest Neighbors）和XGBoost，并结合集成分类器。堆叠（Stacking）、投票（Voting）和袋装（Bagging）集成利用这四种监督机器学习方法来组合模型。本研究的结果展示了所提出技术在提高MQTT流量中DoS和暴力破解攻击检测准确率方面的有效性。堆叠和投票分类器达到了0.9538的最高准确率。我们的方法优于最近使用相同数据集的研究。
引用
@article{arxiv.2408.00480,
title = {Enhance the Detection of DoS and Brute Force Attacks within the MQTT Environment through Feature Engineering and Employing an Ensemble Technique},
author = {Abdulelah Al Hanif and Mohammad Ilyas},
journal= {arXiv preprint arXiv:2408.00480},
year = {2024}
}