20、利用K-Means聚类和朴素贝叶斯进行物联网异常检测

利用K-Means聚类和朴素贝叶斯进行物联网异常检测

1. 引言

随着物联网（IoT）设备遭受攻击的情况日益普遍，检测这些设备中的异常行为已成为网络安全的重要方面。新冠疫情使得大量员工远程在家工作，人们在家的时间增多，物联网设备的使用也更加频繁，产生了更多的数据，这使得它们对恶意用户更具吸引力。因此，对信息安全，特别是异常检测（AD）的需求也日益增加。

1.1 背景

从概念上讲，物联网是一个相互连接的生态系统，其中的设备嵌入了计算和网络功能。物联网设备旨在为用户的体验和与各种“事物”的交互增加价值并实现个性化。它们推动了农业、智慧城市、健康与健身、交通、零售和物流等多个领域的大规模技术进步。然而，由于物联网设备相互连接并依赖互联网，它们成为了恶意用户的潜在目标，因此需要采取措施来防止和检测网络中的入侵行为。

网络中的异常检测用于确定偏离正常的行为。例如，识别来自被标记为恶意的IP地址的可疑网络数据包，或检测内部或外部网络之间异常的流量。传统网络组件（如防火墙、路由器和交换机）依赖异常检测算法，但物联网网络的安全要求因其连接设备的规模、可扩展性和资源不同而更加复杂。

当前的物联网安全措施基于机密性、完整性、授权和可用性原则。这些措施包括用于通过互联网进行连接和通信的特定协议，以及用于异常检测的机器学习算法。常见的物联网安全协议有MQTT、CoAP和AMQP：
- MQTT（消息队列遥测传输协议） ：采用发布 - 订阅模型，发布者从不同传感器收集数据，订阅者订阅这些数据，由代理将数据从发布者传递给订阅者。
- CoAP（受限应用协议） ：类似于M