基于机器学习的入侵检测系统在物联网安全通信中的综合调查

物联网 (IoT) 是一个分布式系统，由能够持续感知其感知域内事件并通过互联网传输数据的智能对象（物体）连接而成。物联网被视为互联网的下一个革命，因为它在包括提供高效医疗服务和发展智能城市及智能交通系统在内的人类日常活动中提供了巨大的改善。通过有效的安全管理技术应用合适的安全机制，入侵检测系统在物联网环境中对互联网上的攻击以及与互联网连接的设备提供了一道防线，有效监控互联网流量。因此，入侵检测系统 (IDS) 是研究人员提出的监控和保障物联网通信的方案。在本工作中，基于服务质量指标对物联网网络安全进行了细致分析，通过对安全通信进行实验并根据与现有安全指标的比较来测量网络性能，从而部署入侵检测系统。最后，我们提出了一种新的有效的IDS，使用基于深度学习的分类方法，即模糊CNN，以提高通信的安全性。该系统的主要优势包括提高检测准确性，更有效地准确检测服务拒绝 (DoS) 攻击，并降低误报率。