11、利用机器学习最大化物联网攻击自动检测的网络安全策略

利用机器学习最大化物联网攻击自动检测的网络安全策略

1. 引言

随着计算机系统和互联网的发展，世界正经历着一场前所未有的数字革命，物联网的兴起更是带来了新的商业机遇。然而，网络攻击的增加严重威胁了系统和数据的安全。虽然计算机入侵检测系统会自动启动，但由于其概念上的缺陷，安全链不足以应对这些攻击，也无法充分发挥机器学习的潜力。

为了保护 IT 环境，需要利用机器学习方法构建和执行新的网络安全策略，以提高和最大化对物联网中有害攻击和入侵的识别能力。为此，提出了具有模块化架构的网络安全模型，并利用自学习实现自动入侵检测。同时，将这些模型集成到 Weka 程序中，最后对得到的模型进行性能评估。

2. 相关工作

• Mauritania 的自闭症护理设施 ：Mauritania 建立了护理设施，以改善自闭症儿童的生活条件和教育机会。例如，努瓦克肖特自闭症谱系障碍设施容纳了 66 名儿童，分为初级和中级两个级别，由 15 名专业教育工作者和 1 名专家监督。通过监督、半监督和无监督学习技术收集和教学数据，以创建入侵检测系统。
• 云计算安全 ：机器学习技术被用于分析云计算的风险、问题和安全解决方案，以解决云安全问题。
• 工业物联网（I - IoT） ：针对工业物联网中检测率低和误报率高的问题进行了研究，主要目标是识别和阻止网络攻击。
• 其他研究 ：不同的研究从不同角度探讨了物联网安全问题，但存在一些不足。例如，对异常分类的解释过于简单，忽略了攻击