【期刊精选】基于组合神经网络的物联网入侵检测方法

2022

 · 

November

基于组合神经网络的物联网入侵检测方法

作者简介：

曾 凡 锋：硕 士，副 研 究 员，主 要 研 究 方 向：信 息 安 全、图 像 处 理。

谢 世 游：硕 士 研 究 生，主 要 研 究 方 向：计 算 机 网 络 与 信 息 安 全。

王 景 中：硕 士，教 授，主 要 研 究 方 向：计 算 机 通 信 网 络 与 信 息 安 全 技 术。

01

论文简介

《基于组合神经网络的物联网入侵检测方法》一文发表于《网络安全与数据治理》期刊2022年第4期。

针对物联网流量入侵检测的全局特征提取问题，对现有的网络入侵检测方法进行了改进，提出了一种基于组合神经网络的入侵检测方法。首先利用一维密集连接卷积神经网络对数据集中流量的空间特征进行提取；然后利用门控循环神经单元进一步提取时序特征，完成对物联网流量数据的时空特征提取；最后采用UNSW-NB15和Bot-iot数据集对组合神经网络模型进行多分类训练和测试。实验结果表明，所提方法在准确率以及其他评价指标方面均有一定的提高，表明了该方法的有效性。

 2022 · November

02

主要内容

一、引言

物联网是现代科技潮流中最炙手可热的技术之一，近十年来，物联网的设备数量飞速增长，其应用场景也日益增多。但是，物联网技术的进步在带给人们生活便利的同时，也带来了安全隐患，网络攻击可对个人信息甚至国家安全造成严重威胁，所以物联网的安全问题成为了整个物联网和信息系统的重要组成部分。

本文提出一种组合神经网络模型。将改进的卷积神经网络和循环神经网络连接起来，在神经网络方面，参考了密集连接卷积神经网络DenseNet的结构，并将其改进为由一维卷积组成的密集连接结构，之后与门控循环神经单元(Gate Recurrent Unit，GRU)相连，充分利用网络流量数据的空间和时间特征，更加全面地对一维数据特征进行提取；在数据方面，使用专业且较新的物联网数据集进行测试；而在损失函数方面，为不同的数据集选择合适的损失函数进行参数更新，从而完成对物联网数据的入侵检测。

二、 相关技术方法

密集连接卷积神经网络DenseNet是近年来新提出的一种卷积神经网络模型，其诞生的目的是解决随着网络深度的增加导致的梯度爆炸和过拟合问题。在DenseNet网络中，任何两层之间都有直接的连接，即网络每一层的输入都是前面所有层输出的并集，而该层所学习的特征图也会被直接传给其后面所有层作为输入，使得所有层处于密集连接的状态。它改变了传统的深度神经网络的模式，即网络中的某一层可以不仅仅依赖于紧邻的上一层的特征，而可以依赖于更前面层学习的特征。这样的好处在于可以使每个层在学习特征时特征传递更加有效，且对冗余特征的学习尽可能避免，减轻网络模型的工作负担。所以密集连接卷积神经网络在只需要少量卷积核的情况下就可以得到大量的特征数据，从而很大程度上减少了网络中的参数量，同时也对底层特征加以复用，有效解决了深层网络中出现的梯度消失和过拟合问题。

本文将改进的密集连接卷积神经网络DenseNet1D和门控循环神经网络GRU进行结合，设计一种基于组合神经网络的物联网入侵检测模型，结合二者的优点，对特征信息进行更加全面的提取。入侵检测方法的主要流程包括数据预处理阶段、训练阶段和测试阶段。

(1)数据预处理阶段：完成对原始物联网流量数据样本的预处理工作，包含字符型转数值型、独热编码和标准化三个部分，并将数据集划分为训练集和测试集用以实验。

(2)训练阶段：构建由一维卷积组成的密集连接神经网络DenseNet1D与GRU的组合神经网络作为本实验的模型，并针对不同数据集的分布情况使用不同的损失函数进行训练，通过反复实验对模型中的重要参数进行调整，最终训练出最佳的模型结构。

(3)测试阶段：通过测试集检验物联网入侵检测模型的分类效果。

三、结论

本文提出了一种基于组合神经网络的物联网入侵检测方法，在空间维度上，利用多层一维卷积提取流量数据的有效特征，并利用密集连接结构处理深层次网络梯度消失难以训练的问题；在时间维度上，利用GRU网络学习潜在的时序特征，之后通过实验选择最优的模型参数。实验结果表明，对比其他方法在所用数据集上的多分类结果，本文提出的模型在准确率和其他方面都有提高。在未来的工作中将着重于数据不均衡在数据层面的处理，进一步提升数据集中数量较少的类别样本的检测率，将此方法更好地应用到物联网入侵检测系统中。

 2022 ·November

 阅读原文 

扫描上方二维码即可获取全文

期刊介绍

2022年7月，国内首本兼备网络安全和数据治理双领域的学术性期刊《网络安全与数据治理》（刊号：CN10-1863/TP）正式创刊出版。该刊由中国电子主管，华北计算机系统工程研究所主办，清华大学-中国电子数据治理工程联合研究院和中国电子数字办协办。该刊聚焦网络空间安全和数据治理前沿领域最新科研动态，密切关注政产学研用各环节在网络强国和数字中国建设过程中跨学科学术成果，坚持技术与应用、产品与研发、产业与市场相结合，服务国家网络空间安全和数据治理工程建设。

《网络安全与数据治理》由中国电子首席科学家、中国工程院院士方滨兴担任主编，中国电子第六研究所所长张尼和清华大学公共管理学院教授、长江学者特聘教授、清华中国电子数据治理工程研究院院长孟庆国担任副主编，数十名院士和知名专家组成专家编辑委员会。该期刊将主动开展理论研究，聚焦学术生态资源，拓展网络安全和数据治理领域基础研究，打造一流学术成果交流展示窗口；充分发挥学界专家力量，组织高水平学术会议，组织出版学术专著；坚持理论与实践相结合，服务国家网络空间安全和数据治理工程建设。

投稿方式请点击下方“阅读原文”。

原文始发于微信公众号（网络安全与数据治理）：【期刊精选】基于组合神经网络的物联网入侵检测方法