Attack Detection in IoT using Machine Learning

doi:10.48084/etasr.4202

Attack Detection in IoT using Machine Learning

2021-06-12

0

OA

AI

DOI：10.48084/etasr.4202

原文链接

原文求助

摘要

En 中文

许多研究者已经考察了物联网（IoT）设备给大公司和智慧城镇带来的风险。由于物联网的高普及率、其固有特性、移动性以及标准化限制，需要具备自动检测连接到本地网络上的IoT设备可疑活动的智能机制。随着通过互联网连接的IoT设备数量增加，网络流量容量也随之增大。由于这一变化，通过传统方法和旧数据处理技术进行攻击检测现已过时。由于网络流量规模的增加，在IoT环境中检测攻击和早期识别恶意流量是一个极具挑战性的问题。本文推荐了一个用于检测恶意网络流量的框架。该框架采用了三种流行的基于分类的恶意网络流量检测方法，即支持向量机（SVM）、梯度提升决策树（GBDT）和随机森林（RF），其中RF监督机器学习算法的准确率远超其他方法（85.34%）。该推荐框架使用了NSL KDD数据集，并比较了其在训练时间、预测时间、特异性和准确性方面的性能。

Attack Detection in IoT using Machine Learning

摘要

期刊

机构

引用论文