面向资源受限 IoT 设备的轻量级 CNN-BiLSTM 入侵检测系统
密码学与安全
2024-12-17 v1 网络与互联网体系结构
信号处理
摘要
入侵检测系统 (IDS) 在检测和防止传统计算系统内的网络攻击方面发挥着重要作用。将相同技术应用于保护 Internet of Things (IoT) 网络免受网络威胁并不意外。由于 IoT 设备上可用计算资源有限，部署传统基于计算的 IDS 具有挑战性。针对 IoT 环境设计的 IDS 必须还能显示高的分类性能，利用低复杂度模型，并且体积小。尽管在 IoT 入侵检测方面取得了显著进展，但开发既能实现高分类性能又能保持低复杂度的模型仍然具有挑战性。在本研究中，我们提出了一种混合 CNN 架构，由轻量级 CNN 和双向 LSTM (BiLSTM) 组成，用于增强 UNSW-NB15 数据集上 IDS 的性能。该提出的模型专为运行在资源受限的 IoT 设备上而设计，以满足其计算能力要求。尽管设计符合 IoT 设备要求且实现更高准确率的模型具有复杂性，但我们提出的模型通过在二分类上实现 97.28% 的准确率和在多分类上实现 96.91% 的准确率，超过了文献中现有的研究成果。
引用
@article{arxiv.2406.02768,
title = {Lightweight CNN-BiLSTM based Intrusion Detection Systems for Resource-Constrained IoT Devices},
author = {Mohammed Jouhari and Mohsen Guizani},
journal= {arXiv preprint arXiv:2406.02768},
year = {2024}
}