基于深度迁移学习的物联网入侵检测框架

近年来,物联网(IoT)为人类生产生活带来了很多好处;但是受限于资源,物联网设备很容易受到对手的各种类型的网络攻击。本文通过采用定制的深度迁移学习技术,为物联网提出了一种新颖的入侵检测方法。本文主要识别拒绝服务、分布式拒绝服务、数据收集和数据盗窃等攻击类别。结合迁移学习的概念,将基于多层分类的嵌入层(用于对高维分类特征进行编码)的前馈神经网络模型应用于对高维分类特征进行编码,从而构建一个二元分类器实现入侵检测。本文对提出的方法进行了评估,发现其具有很高的分类精度。