LocKedge：物联网边缘计算中的低复杂度网络攻击检测
密码学与安全
2020-12-01 v1 机器学习
摘要
物联网及其应用正随着更多设备变得普遍，但始终面临网络安全风险。因此，物联网网络设计准确、快速且及时地识别攻击者至关重要。已有许多方案被提出，主要涉及安全的物联网架构与分类算法，但均未足够关注降低复杂度。本文中我们的方案是一种边缘云架构，在靠近攻击源的边缘层完成检测任务，以实现快速响应、通用性，并减轻云的工作负载。我们还提出了一种称为 LocKedge（物联网边缘计算中的低复杂度网络攻击检测）的多攻击检测机制，其复杂度低，适于在边缘区域部署，同时保持高准确率。LocKedge 以集中式和联邦学习两种方式实现，以从不同角度验证该架构的性能。使用最新的 BoT IoT 数据集，将我们所提机制的性能与其他机器学习和深度学习方法进行比较。结果表明，LocKedge 在准确率上优于 NN、CNN、RNN、KNN、SVM、KNN、RF 和决策树等算法，在复杂度上优于 NN。
引用
@article{arxiv.2011.14194,
title = {LocKedge: Low-Complexity Cyberattack Detection in IoT Edge Computing},
author = {Truong Thu Huong and Ta Phuong Bac and Dao M. Long and Bui D. Thang and Nguyen T. Binh and Tran D. Luong and Tran Kim Phuc},
journal= {arXiv preprint arXiv:2011.14194},
year = {2020}
}
备注
13 pages, 20 figures, submitted to IEEE Access