7、物联网中基于机器学习的网络安全学习方法

物联网中基于机器学习的网络安全学习方法

1. 引言

无线连接在传感器与智能/移动设备之间实现通信。然而，无线传感器网络面临着多种网络攻击，如拒绝服务（DoS）攻击、误导攻击、选择性重定向攻击、黑洞攻击、女巫攻击、虫洞攻击和HELLO洪泛攻击等。由于缺乏相关的威胁评估过程，只能通过主观评估来确定攻击造成严重经济影响的概率。网络风险会即时影响反馈传感器和数据结构，通过碰撞模式将各种物联网垂直系统的财务影响与关键基础相联系，这有助于行业和立法者看待物联网相关网络攻击问题并应对经济负担。

主要探讨两方面内容：
- 对基于物联网的各种网络安全攻击进行综述，包括拒绝服务（DoS）和分布式拒绝服务（DDoS）攻击、中间人（MitM）攻击、网络钓鱼和鱼叉式网络钓鱼攻击、驱动下载攻击、密码攻击、SQL注入攻击、跨站脚本（XSS）攻击、窃听攻击、生日攻击和恶意软件攻击。
- 对基于物联网的网络安全机器学习方法的安全和隐私认证进行全面调查。

2. 基于机器学习算法的物联网网络安全

2.1 网络安全中的各种攻击

• IntruDTree模型 ：为构建强大的入侵检测系统，提出基于入侵检测树（‘IntruDTree’）的机器学习安全模型。先根据安全功能的重要性进行排名，再基于提取的关键特征构建基于树的通用入侵检测模型。该系统不仅能预测未知测试场景的精度，还能通过减小特征大小降低计算复杂度。
• Cyber Learning模型 ：提出Cyber Learning机器学习模型，包含一组相关功能，并对各种模型机器学习的有效性进行广泛的实证评