2、物联网入侵检测与驾驶员疲劳检测系统综述

物联网入侵检测与驾驶员疲劳检测系统综述

物联网入侵检测

在物联网（IoT）网络中，基于RPL（Routing Protocol for Low-Power and Lossy Networks）的网络面临着多种攻击威胁，其中RPL欺骗攻击是攻击者创建虚假的RPL控制消息并注入网络，导致合法节点做出错误的路由决策。这些攻击对基于RPL的物联网网络的运行和安全会造成严重后果，因此实施适当的措施来识别和预防这些攻击至关重要。

现有入侵检测方法

• Rabhi等人 ：提出机器学习入侵检测技术，用于识别物联网网络中的三种路由安全威胁。通过机器学习分类器从网络流量数据中检测攻击，并通过计算F-measure、召回率和精确率等评估指标来展示多个分类器的性能，但未能解决其他路由攻击。
• Verma等人 ：实施了一个网络入侵检测模型，以解决基于RPL的物联网通信网络中的路由安全威胁。在数据集上运行各种机器学习分类器来检测攻击，并应用集成学习提高准确性，但未强调在智能节点上实施网络入侵检测模型。
• Virendra等人 ：实施了一个入侵检测系统（IDS）来应对黑洞攻击。实验结果表明，基于信任的方法提高了网络的安全性和性能，但未考虑评估模型的网络参数，如能耗、通信开销和计算时间。
• Parra等人 ：引入基于深度学习的入侵检测方法来识别路由攻击。利用NBaIoT数据集评估深度学习技术，实验结果表明该框架在检测攻击方面表现良好，但需要更多的训练时间和计算时间。