基于生成对抗网络的物联网威胁检测测试床
密码学与安全
2023-05-25 v1
摘要
物联网(IoT)范式提供了持续的感知与数据收集能力，并在许多市场领域日益普及。然而，大多数物联网设备强调可用性与功能而非安全性，使其极易遭受恶意攻击。大规模僵尸网络(botnets)利用被攻陷的物联网设备对高价值目标发起分布式拒绝服务(DDoS)攻击的现象，印证了这一问题。不安全的物联网系统还可能成为私有网络的入口，使对手相对容易地获取有价值的资源与服务。事实上，这些不断演变的物联网威胁向量（从暴力破解攻击到远程代码执行漏洞利用）正带来关键挑战。此外，许多传统安全机制难以部署在资源受限的小型物联网平台上。因此，研究人员已开发了一系列物联网安全方法，其中许多策略采用先进的机器学习(ML)技术。基于此，本文提出一种新颖的生成对抗网络(GAN)方案，用于检测网络内外来自恶意物联网设备的威胁。该模型使用良性物联网流量与全球暗网数据进行训练，并在包含真实物联网设备与恶意软件威胁的测试床中进一步评估。
引用
@article{arxiv.2305.15191,
title = {IoT Threat Detection Testbed Using Generative Adversarial Networks},
author = {Farooq Shaikh and Elias Bou-Harb and Aldin Vehabovic and Jorge Crichigno and Aysegul Yayimli and Nasir Ghani},
journal= {arXiv preprint arXiv:2305.15191},
year = {2023}
}
备注
8 pages, 5 figures