面向物联网入侵检测的联合语义迁移网络
密码学与安全
2022-10-31 v1 人工智能
计算机与社会
机器学习
摘要
本文提出一种联合语义迁移网络（JSTN），用于大规模少标记物联网领域的有效入侵检测。作为一种多源异构域自适应（MS-HDA）方法，JSTN将知识丰富的网络入侵（NI）域与另一小规模物联网入侵（II）域作为源域，并保留内在语义属性以辅助目标II域入侵检测。JSTN联合迁移以下三种语义以学习域不变且具判别性的特征表示。场景语义通过混淆域判别器与类别分布知识保留，赋予源NI与II域相互的特征以简化知识迁移过程，并减小源-目标差异使共享特征空间域不变。同时，加权隐式语义迁移通过细粒度知识保留提升判别性，将源类别分布迁移至目标域；源-目标散度在知识保留过程中引导重要性加权以反映知识学习程度。此外，分层显式语义对齐借助几何相似感知伪标签精炼器，在质心级与代表级进行对齐，集中式地从全局与局部视角显式对齐特征表示，从而挖掘未标记目标II域的价值。各类任务上的综合实验验证了JSTN优于最先进对比方法，平均准确率提升10.3%。各组成模块的统计显著性与计算效率亦得到验证。
引用
@article{arxiv.2210.15911,
title = {Joint Semantic Transfer Network for IoT Intrusion Detection},
author = {Jiashu Wu and Yang Wang and Binhui Xie and Shuang Li and Hao Dai and Kejiang Ye and Chengzhong Xu},
journal= {arXiv preprint arXiv:2210.15911},
year = {2022}
}
备注
Accepted by IEEE Internet of Things Journal