.png){kind=icon}
返回
Machine Learning-Driven Intrusion Detection for Securing IoT-Based Wireless Sensor Networks
.png){kind=icon}
OA
AI
DOI：10.3390/fi18020113.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）已成为现代物联网（IoT）基础设施的关键组成部分；然而，其资源受限和分布式部署使它们容易受到各种网络威胁。在本研究中，我们提出了一种面向WSN-based IoT环境的机器学习驱动的入侵检测框架。所提出的方法采用WSN-DS基准数据集，并整合自适应合成采样（ADASYN）以解决类别不平衡问题，随后采用结合特征重要性选择（FIS）和递归特征消除（RFE）的混合特征选择策略以降低维度并提高学习效率。然后使用五折交叉验证训练XGBoost分类器，以确保稳健的泛化能力。实验结果表明，所提出的框架显著优于基线方法，实现了99.87%的总体准确率，并在F1分数、精确率和召回率方面取得显著提升。与近期WSN-DS研究的比较分析证实了结合不平衡校正、优化特征选择和集成学习的有效性。这些发现强调了所提出模型作为轻量级且高精度的入侵检测解决方案，在新兴WSN-IoT部署中的潜力。
Keyword:
wireless sensor networks
intrusion detection system
internet of things
XGBoost
gradient boosting
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:
1.2K
被引数:
6.5K
机构
引用论文
A Fuzzy Logic-Based Method to Avert Intrusions in Wireless Sensor Networks Using WSN-DS Dataset基于模糊逻辑的无线传感器网络入侵规避方法，使用WSN-DS数据集
PREAI
分享收藏The Relative performance of Security protocols and attacks in Wireless Sensor NetworkDobhal, K.; Varma, R.; Barthwal, V.; Rauthan, M.M.S. 无线传感器网络中安全协议与攻击的相对性能。JOIV Int. J. Inform. Vis. 2020, 29, 13985–14000. [Google Scholar] [CrossRef]
PREAI
分享收藏SLGBM: An Intrusion Detection Mechanism for Wireless Sensor Networks in Smart EnvironmentsSLGBM: 一种智能环境下的无线传感器网络入侵检测机制.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Wireless Sensor Networks Intrusion Detection Based on SMOTE and the Random Forest AlgorithmSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏分享收藏XGBoost for Imbalanced Multiclass Classification-Based Industrial Internet of Things Intrusion Detection SystemsSUSTAINABILITY
OAAI
SUSTAINABILITYIF3.3
OAAI分享收藏Intrusion Detection Protocols in Wireless Sensor Networks Integrated to Internet of Things Deployment: Survey and Future ChallengesIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容