物联网设备实时入侵检测系统的硬件/软件协同设计

物联网 (IoT) 的快速扩展增加了安全问题，因此需要高效的入侵检测系统 (IDS)。本文提出了一种实时物联网 IDS，通过将随机森林 (RF) 分类器与集成特征选择技术 (EFST) 结合设计。所提议的 IDS 可部署在小规模的现场可编程门阵列 (FPGA) 板上。该系统利用两种度量的集成特征选择过程，以降低计算复杂性并提高分类准确性。此外，EFST 积极提取有限数量的特征，从而降低 RF 模型的复杂性。然后，定制的 RF 分类器被映射到基于 FPGA 的硬件加速器上，以实现实时检测。该方法在基准 BoT-IoT 数据集上进行了实验评估。结果表明，所提议的 IDS 在资源利用率和处理时间方面相比于几种最先进的基于 FPGA 的 IDS 实现实现了显著改进，同时保持了足够的检测准确性。特别是，我们在 Xilinx PYNQ Z2 上的实现与在 Intel Core i7 CPU、ARM Cortex-A9 微处理器和基于 PYNQ 的神经网络加速器上运行的最先进的 IDS 相比，分别实现了10.2×、135.7×和8.43×的加速。此外，我们的方法在基于 FPGA 的 IDS 解决方案中展现了最低的资源利用率。这些结果表明，该工作有助于通过集成 EFST、RF 分类和基于 FPGA 的加速来发展安全和可持续的物联网生态系统。