面向 IoT 僵尸网络检测的视觉 Transformer 应用于网络流量分类
计算机视觉与模式识别
2025-04-29 v1 人工智能
摘要
尽管 transformer 模型在 NLP、图像和视频分类方面已显示出显著效果，但用于从捕获的 IoT 网络流量数据包中提取特征的现有工具无法捕捉序列模式，也缺乏空间模式，从而限制了 transformer 模型的应用。本工作引入一种新颖的预处理方法，将 transformer 模型（特别是视觉 transformer, ViT）适用于基于网络流量的 IoT 僵尸网络攻击检测。该方法涉及从 .pcap 文件中提取特征，将每个实例转换为 1 通道 2D 图像形状，从而实现 ViT 基于分类。此外，我们增强了 ViT 模型，使其能够使用除最初 ViT 论文中部署的多层感知器 (MLP) 之外的任何分类器。包括传统的前馈深度神经网络 (DNN)、LSTM 和双向 LSTM (BLSTM) 的模型在评估两个 IoT 攻击数据集时，以精确率、召回率和 F1 分数等指标表现出竞争力。
引用
@article{arxiv.2504.18781,
title = {IoT Botnet Detection: Application of Vision Transformer to Classification of Network Flow Traffic},
author = {Hassan Wasswa and Timothy Lynar and Aziida Nanyonga and Hussein Abbass},
journal= {arXiv preprint arXiv:2504.18781},
year = {2025}
}