基于混合深度学习模型的物联网网络网络攻击检测优化
密码学与安全
2025-03-05 v1 人工智能
摘要
物联网（IoT）设备的快速扩张增加了网络攻击的风险，使得有效检测对于确保物联网网络安全至关重要。本文引入一种新方法，将自组织地图（SOM）、深度置信网络（DBN）和自编码器组合，用于检测已知和先前未出现的攻击模式。通过仿真和真实世界流量数据进行全面评估，模型通过粒子群优化（PSO）进行优化。系统实现最高达 99.99% 的准确率，并实现超过 99.50% 的 Matthews 相关系数（MCC）。在 NSL-KDD、UNSW-NB15 和 CICIoT2023 上的实验确认了该模型在多种攻击类型上的卓越性能。这些发现表明，所提出的方法通过识别新兴威胁并适应不断演变的攻击策略，增强了物联网安全。
引用
@article{arxiv.2502.11470,
title = {Optimized detection of cyber-attacks on IoT networks via hybrid deep learning models},
author = {Ahmed Bensaoud and Jugal Kalita},
journal= {arXiv preprint arXiv:2502.11470},
year = {2025}
}