利用机器学习技术缓解雾基无线传感器网络中的拒绝服务攻击
密码学与安全
2023-10-11 v1 机器学习
摘要
由于其广泛的工业应用，无线传感器网络被认为是 21 世纪最重要和最具创新性的技术之一。这些网络中的传感器节点因其特殊属性和部署方式而易受多种攻击。在 WSN 中，拒绝服务攻击是传感器网络中常见的攻击。设计一种能有效降低这些攻击对 WSN 影响的检测与防御系统十分困难。为识别针对 WSN 的攻击，本研究提出使用两种机器学习模型：决策树和 XGBoost。在 WSNs 数据集上进行了大量实验以识别拒绝服务攻击。实验结果表明，在全数据集上，XGBoost 模型的真阳性率（98.3%）高于决策树方法（97.3%），且误阳性率（1.7%）低于决策树技术（2.7%）。类似地，在选定数据集攻击上，XGBoost 方法的真阳性率（99.01%）高于决策树技术（97.50%），且误阳性率（0.99%）低于决策树技术（2.50%）。
引用
@article{arxiv.2310.05952,
title = {Mitigating Denial of Service Attacks in Fog-Based Wireless Sensor Networks Using Machine Learning Techniques},
author = {Ademola Abidoye and Ibidun Obagbuwa and Nureni Azeez},
journal= {arXiv preprint arXiv:2310.05952},
year = {2023}
}