Эффективные методы обнаружения атак на основе глубокого обучения для Интернета медицинских вещей

В последние годы Интернет вещей (IoT) стал прорывом для создания интеллектуальных сред. Зависимость технологий от модели IoT сопровождается серьезными проблемами безопасности и конфиденциальности. Разнообразные возможные атаки, осуществляемые злоумышленниками, порождают вопросы приватности и защиты. Поэтому создание системы обнаружения вторжений имеет ключевое значение для идентификации атак и аномалий в системе IoT. В данной работе предложена модель системы обнаружения вторжений на основе алгоритма глубоких вероятностных сетей (deep belief network, DBN). Для анализа производительности предложенной IDS-модели в задачах обнаружения атак и аномалий используется набор данных CICIDS2017. Предложенный метод улучшил точность, полноту, точность положительных срабатываний (precision), F1-меру, коэффициент обнаружения и другие метрики. Технология IoT совершила революцию в предоставлении медицинских услуг пациентам, и медицинские учреждения особенно обеспокоены безопасностью IoT в связи с интеграцией сетевых IoT-устройств в инфраструктуру здравоохранения.