MalIoT：面向物联网网络的可扩展实时恶意软件流量检测
密码学与安全
2023-04-04 v1 分布式、并行与集群计算
机器学习
摘要
由于机器学习方法能够跟上不断演化的恶意软件特性，其在物联网（IoT）恶意软件流量检测中至关重要。机器学习算法可快速准确地分析 IoT 设备产生的大量数据，从而实现恶意网络流量的实时识别。得益于 Apache Kafka 和 Apache Spark 等分布式系统以及英特尔 oneAPI 软件栈的使用，该系统可应对 IoT 设备的指数级增长，并加速模型推理速度，使其成为实时恶意软件流量检测的有用工具。这些技术协同构建了一个可提供可扩展性能与高准确率的系统，使其成为防御智能社区与医疗机构中网络威胁的关键工具。
引用
@article{arxiv.2304.00623,
title = {MalIoT: Scalable and Real-time Malware Traffic Detection for IoT Networks},
author = {Ethan Weitkamp and Yusuke Satani and Adam Omundsen and Jingwen Wang and Peilong Li},
journal= {arXiv preprint arXiv:2304.00623},
year = {2023}
}