.png){kind=icon}
返回
Attention-Based Transformer Encoder for Secure Wireless Sensor Operations
.png){kind=icon}
OA
AI
DOI：10.3390/fi18030119.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无线传感器网络（WSNs）是智能环境的关键组成部分。这些网络允许通过分布式传感器节点自主进行监控和通信。然而，它们受到资源限制，容易受到路由层攻击。这些攻击具体包括黑洞攻击、泛洪攻击、选择性转发攻击流量以及正常流量。所采用的传统机器学习和深度学习方法在应对这些攻击时是有效的，但在网络条件动态变化时存在泛化问题。这些模型通常基于局部特征进行训练，使其更具依赖性且可解释性较差。为解决这些问题，本文提出了一种用于表格化WSN流量的注意力驱动Transformer编码器，旨在实现WSN中鲁棒且可解释的入侵检测。该模型将WSN特征表示为序列标记，并采用多头自注意力机制来捕捉传感器属性之间的全局和局部依赖关系，同时利用多头自注意力机制来捕捉传感器属性之间的局部和全局依赖关系。该框架集成了多个组件，包括归一化、基于卡方检验的特征选择和位置嵌入。这些组件之后是多层的Transformer编码块，用于特征融合和后续分类。该框架已在公开的WSN数据集上进行评估。结果显示其准确率达到99.37%，优于传统的深度学习基准模型。比较分析表明，该模型在泛化能力和减少收敛时间方面表现更优。此外，它还提供了增强的可解释性，使其非常适合部署在资源受限的真实场景中。
Keyword:
wireless sensor networks (WSNs)
transformer encoder
tabular learning
multi-head self-attention
deep learning
network security
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.6
论文数:
1.3K
被引数:
6.5K
机构
引用论文
Deep Learning Approach for Intelligent Intrusion Detection System面向智能入侵检测系统的深度学习方法.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏ST-IAOA-XGBoost: An Efficient Data-Balanced Intrusion Detection Method for WSNIEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏CBCTL-IDS: A Transfer Learning-Based Intrusion Detection System Optimized With the Black Kite Algorithm for IoT-Enabled Smart AgricultureCbctl-ids: 基于转移学习的入侵检测系统，使用Black Kite算法进行优化，用于支持IoT的智能农业IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Privacy-Preserving Collaborative Jamming Attacks Detection Framework Using Federated Learning
PREAI
分享收藏Machine Learning for Wireless Sensor Networks Security: An Overview of Challenges and Issues无线传感器网络安全的机器学习: 挑战和问题概述SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏
查看更多内容