面向物联网的联邦雾计算资源分配与能效优化
密码学与安全
2025-06-24 v1
摘要
地址解析协议(ARP)欺骗攻击严重威胁物联网(IoT)网络，攻击者可窃取、修改或阻断通信。传统检测方法不足，存在高假阳性和适应性差的问题。本研究提出一种基于多层机器学习的框架，用于智能检测IoT网络中的ARP欺骗。我们的方案采用由多个分类器组成的集成体系，每个层次优化检测准确率并降低误报。实验评估显示，检测准确率提升至最高97.5%，假阳性率降至低于2%，检测速度也显著加快。我们的主要贡献包括：针对IoT网络引入多层集成分类器、系统性解决数据不平衡问题、引入动态反馈机制进行分类器再训练，并通过大规模仿真验证了实际应用性。本研究增强了IoT部署的安全管理，为ARP欺骗攻击提供稳健的防御，提高了IoT环境的可靠性和可信度。
引用
@article{arxiv.2506.18100,
title = {Optimizing Resource Allocation and Energy Efficiency in Federated Fog Computing for IoT},
author = {Taimoor Ahmad and Anas Ali},
journal= {arXiv preprint arXiv:2506.18100},
year = {2025}
}