基于双向 LSTM 与卷积神经网络混合模型的智能家居网络入侵检测系统
机器学习
2021-05-28 v2 网络与互联网体系结构
摘要
物联网(IoT)使智能家居得以提升我们日常生活的质量与舒适度。然而，这些便利也带来了迅速增长的诸多安全隐忧。IoT 设备、智能家居中枢与网关引发了各种安全风险。智能家居网关充当 IoT 设备间通信的集中点，可能为黑客打开网络数据的后门。检测此类攻击的常用且有效方式之一是对网络流量进行入侵检测。本文中，我们提出了一种入侵检测系统(IDS)，利用双向长短期记忆(BiLSTM)与卷积神经网络(CNN)混合模型检测智能家居网络中的异常。BiLSTM 的循环特性使入侵检测模型能够随时间保持所学信息，而 CNN 可完美提取数据特征。所提模型可应用于任意智能家居网络网关。
引用
@article{arxiv.2105.12096,
title = {Intrusion Detection System in Smart Home Network Using Bidirectional LSTM and Convolutional Neural Networks Hybrid Model},
author = {Nelly Elsayed and Zaghloul Saad Zaghloul and Sylvia Worlali Azumah and Chengcheng Li},
journal= {arXiv preprint arXiv:2105.12096},
year = {2021}
}
备注
4 pages, 6 figures, Accepted in the MWSCAS 2021. This material is based upon work supported by the National Science Foundation under Grant No. (CNS-1801593). Any opinions, findings, and conclusions or recommendations expressed in this material are those of the author(s) and do not necessarily reflect the views of the National Science Foundation