.png){kind=icon}
返回
A Machine Learning Security Framework for Iot Systems
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2020.2996214.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
物联网安全正吸引着学术界和工业界越来越多的关注。事实上，物联网设备容易受到各种安全攻击，从拒绝服务 (DoS) 到网络入侵和数据泄露。本文提出了一种新颖的基于机器学习 (ML) 的安全框架，该框架可以自动应对与IoT域相关的不断扩展的安全方面。该框架利用软件定义网络 (SDN) 和网络功能虚拟化 (NFV) 使能器来减轻不同的威胁。该AI框架结合了监控代理和基于AI的反应代理，它们使用分为网络模式分析的ML模型，以及物联网系统中基于异常的入侵检测。该框架利用监督学习，分布式数据挖掘系统和神经网络来实现其目标。实验结果证明了该方案的有效性。特别是，使用数据挖掘方法的攻击分布在检测高性能和低成本的攻击方面非常成功。关于我们用于物联网的基于异常的入侵检测系统 (IDS)，我们使用单类SVM评估了真实智能建筑场景中的实验。异常的检测精度取得了99.71%。进行了可行性研究，以确定当前要采用的潜在解决方案，并促进对开放挑战的研究。
Keyword:
Machine learning
Intrusion detection
Internet of Things
Computer security
Software
Internet of Things
security
artificial intelligence
SDN
NFV
orchestration and MANO
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
Survey on SDN based network intrusion detection system using machine learning approaches基于机器学习方法的SDN网络入侵检测系统综述
PREAI
分享收藏Blockchain for Managing Heterogeneous Internet of Things: A Perspective Architecture.png)
IEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏Identification of the ribose binding protein as the receptor for ribose chemotaxis in Salmonella typhimuriumBiochemistry
BiochemistryIF0
PREAI
分享收藏
查看更多内容