.png){kind=icon}
返回
IoT botnet attack detection using ensemble classifiers with optimal training
.png){kind=icon}
PRE
AI
DOI：10.1007/s10878-025-01388-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，连接到网络的物联网设备数量不断增加，由于技术进步，网络攻击和安全威胁（如机器人网络）正在高速演变并迅速出现，且风险极高。此类攻击通过干扰物联网设备的服务和网络，中断物联网通信。机器人网络攻击是指利用机器人网络进行的任何攻击，即一组相互关联的设备和机器人共同执行相似的扩展和分布式任务。许多当前研究采用深度学习和机器学习方案来分类和检测物联网网络中的机器人网络攻击。为此，本文引入了一个基于可用数据集的物联网机器人网络攻击检测模型（BAD-IoT）。在第一阶段，采用改进的双曲正切数据归一化进行数据预处理。在后续阶段，提取改进的熵、互信息（MI）和统计特征。随后，部署一个包含双向门控循环单元（Bi-GRU）、长短期记忆网络（LSTM）和深度内存网络（DMN）模型的集成模型进行检测过程，其中Bi-GRU和LSTM的权重在训练过程中通过蝴蝶探索阿基米德算法（BE-ARCH）进行最优选择。最后，通过比较分析评估所提出的BAD-IoT模型相对于传统模型的优越性。
Keyword:
BE-ARCH algorithm
Botnet attack
Improved entropy
Improved tanh data normalization
Internet of things
期刊
J
IF:
1.1
论文数:
80
被引数:
0
机构
引用论文
分享收藏A Novel Deep Learning Bi-GRU-I Model for Real-Time Human Activity Recognition Using Inertial Sensors一种新的深度学习bi-gru-i模型，用于使用惯性传感器进行实时人体活动识别.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏
FlowGuard: An Intelligent Edge Defense Mechanism Against IoT DDoS AttacksFlowGuard: 针对IoT DDoS攻击的智能边缘防御机制
OAAI
OAAI分享收藏
查看更多内容