IoTネットワークにおけるSDN対応侵入検知システムのためのディープラーニングアプローチ

インターネットに接続されたモノのインターネット（IoT）デバイスの普及により、IoTに基づく攻撃の数は年々増加しています。既存のソリューションは、IoT攻撃を効果的に軽減できない可能性があります。特に、従来の侵入検知システムを使用した高度なネットワークベースの攻撃検出ソリューションは、ネットワーク環境が従来のプロトコルとIoTプロトコルの両方をサポートし、ソフトウェア定義ネットワーク（SDN）などの集中型ネットワークアーキテクチャを使用する場合に困難です。本論文では、IoTネットワークにおけるSDNサポートの侵入検知システムを使用してネットワーク攻撃を検出するための長短期記憶（LSTM）ベースのアプローチを提案します。私たちは、2つのSDNIoT中心のデータセットにおける機械学習（ML）および深層学習（DL）モデルの広範な性能評価を提示します。さらに、IoTネットワークにおけるネットワーク攻撃の効果的な多クラス分類のためのLSTMベースのアーキテクチャを提案します。提案したモデルの評価は、モデルが攻撃を効果的に特定し、攻撃タイプを0.971の精度で分類できることを示しています。加えて、データセットの特性を理解し、埋め込み特徴を視覚化するためのさまざまな視覚化手法が示されています。