面向物联网入侵检测的开集蒲公英网络

随着物联网设备的普及，保护其免受恶意入侵至关重要。然而，物联网的数据稀缺性限制了高度依赖数据的传统入侵检测方法的适用性。为此，本文提出基于无监督异构域适配并以开集方式运作的开集蒲公英网络（OSDN）。OSDN 模型将知识丰富的源网络入侵领域的入侵知识迁移，以助力数据稀缺的目标物联网入侵领域实现更精准的入侵检测。在开集设定下，它还能检测源域中未出现过的目标域新发入侵。为此，OSDN 模型将源域构造成蒲公英状特征空间，其中每一入侵类别紧凑聚拢、不同入侵类别相互分离，即同时强调类间可分离性与类内紧致性。基于蒲公英的目标隶属机制随后形成目标蒲公英。接着，蒲公英角分离机制实现更好的类间可分离性，蒲公英嵌入对齐机制以更精细的方式进一步对齐两朵蒲公英。为促进类内紧致性，采用了判别性采样蒲公英机制。在利用已知与生成的未知入侵知识训练的入侵分类器辅助下，语义蒲公英修正机制强调易混淆类别并引导更好的类间可分离性。整体上，这些机制构成了 OSDN 模型，有效实现入侵知识迁移以惠及物联网入侵检测。在多个入侵数据集上的综合实验验证了 OSDN 模型的有效性，较三种最先进（SOTA）基线方法的性能高出 16.9%。