面向物联网分布式入侵检测的生成对抗网络
密码学与安全
2019-06-04 v1 机器学习
网络与互联网体系结构
机器学习
摘要
为收获物联网（IoT）之益，必须保障系统免受网络攻击，以支持任务关键与实时应用。为此，入侵检测系统（IDS）已被广泛用于检测 IoT 系统中由网络攻击者引发的异常。然而，鉴于 IoT 的大规模特性，IDS 必须以分布式方式运行，且最小程度依赖中心控制器。此外，在诸多场景（如医疗与金融应用）中，数据集为私有，IoT 设备（IoTD）可能无意共享此类数据。为此，本文提出一种分布式生成对抗网络（GAN），为 IoT 提供完全分布式的 IDS，从而在无任何集中控制器依赖的情况下检测异常行为。在该架构中，每个 IoTD 可监控自身数据及邻居 IoTD 以检测内部与外部攻击。此外，所提分布式 IDS 无需在 IoTD 间共享数据集，故可部署于保护用户数据隐私的 IoT 中，如健康监测系统或金融应用。分析表明，相较于仅能访问单一 IoTD 数据集的独立 IDS，所提分布式 GAN 具有更高的入侵检测准确率。仿真结果显示，相较于独立基于 GAN 的 IDS，所提基于分布式 GAN 的 IDS 准确率最高提升 20%、精确率最高提升 25%、假正率最高降低 60%。
引用
@article{arxiv.1906.00567,
title = {Generative Adversarial Networks for Distributed Intrusion Detection in the Internet of Things},
author = {Aidin Ferdowsi and Walid Saad},
journal= {arXiv preprint arXiv:1906.00567},
year = {2019}
}
备注
6 pages, 5 figures