19、基于机器学习的物联网攻击检测综述

基于机器学习的物联网攻击检测综述

1. 引言

近年来，物联网（IoT）得到了极大的发展，已成为我们日常生活中不可或缺的一部分。这些设备无需人工干预即可相互连接到互联网。然而，由于物联网设备配置薄弱且具有独特的特性，使其成为网络攻击的主要目标，这让普通用户深感担忧。而且，物联网安全挑战与日俱增，面临着各种各样的攻击。传统的安全措施，如身份验证、访问控制、网络安全和加密，对于物联网设备及其漏洞而言，显得不足且无效，无法有效处理这些问题。因此，必须改进现有的安全方法以保护物联网环境。

机器学习（ML）和深度学习（DL）为解决物联网的挑战并提供安全保障提供了许多解决方案。机器学习是人工智能（AI）的一种应用，它使系统能够从经验中自动学习和改进；深度学习是一种机器学习类型，它通过模拟人体神经元让机器自主学习。这些算法可用于检测和减轻攻击风险，基于学习和预测提供解决方案。例如，支持向量机（SVM）、决策树（DT）、循环神经网络（RNN）、深度神经网络（DNN）、自动编码器（Ae）等ML和DL方法，能更好地检测和减轻攻击。

常见的物联网攻击主要分为三类：
- 访问攻击 ：通过不正当手段访问其他用户账户或网络设备。
- 侦察攻击 ：用于收集目标网络或系统的信息。
- 分布式拒绝服务（DDoS）攻击 ：攻击者向服务器发送大量互联网流量，阻止用户访问服务和网站。

2. 物联网架构攻击与攻击检测

物联网架构由三个重要层组成：感知层、网络层和应用层，每层都有其特定的任务。
- 感知层