基于网络流量利用深度循环神经网络集成检测物联网网络攻击

随着物联网 (IoT) 设备和系统成为互联社会与生态系统中不可或缺的一部分，它们将日益成为网络犯罪分子（包括国家支持或关联的威胁行为体）的目标。然而，部署的规模和多样性、快节奏的网络威胁态势以及诸多其他因素，加剧了保障这些设备和系统安全的挑战。因此，在本文中，我们设计了一种利用先进深度学习来检测针对物联网系统网络攻击的方法。具体而言，我们的方法将一组长短期记忆 (LSTM) 模块集成到一个检测器集成中。随后使用决策树将这些模块合并，以在最终阶段得出聚合输出。我们使用真实世界的 Modbus 网络流量数据集评估了该方法的有效性，在针对物联网设备网络攻击的检测中获得了超过 99% 的准确率。