Глубокое обучение для обнаружения киберугроз в сетях Интернета вещей: обзор
Deep learning for cyber threat detection in IoT networks: A review
2023-10-10
SCID: 54.1/w4222yke
Discuss with AI
безопасность Интернета вещейобнаружение киберугрозглубокое обучениеметрики оценкисистемы обнаружения вторжений
Figures from the paper
Abstract (AI)
Интернет вещей (IoT) произвел революцию в современной технологии благодаря взаимосвязанным интеллектуальным устройствам. Хотя эти инновации открывают беспрецедентные возможности, они также создают сложные проблемы безопасности. Кибербезопасность является одним из ключевых аспектов систем обнаружения вторжений (IDS). Глубокое обучение продемонстрировало перспективность для эффективного обнаружения и предотвращения кибератак на устройства IoT. Несмотря на то что системы обнаружения вторжений имеют решающее значение для защиты конфиденциальной информации посредством выявления и пресечения подозрительной активности, традиционные решения IDS сталкиваются с трудностями в контексте IoT. В данной статье рассматриваются передовые методы обнаружения вторжений для обеспечения безопасности IoT, основанные на глубоком обучении. Мы анализируем последние достижения в области IDS для IoT, уделяя особое внимание используемым алгоритмам глубокого обучения, соответствующим наборам данных, типам атак и метрикам оценки. Кроме того, обсуждаются проблемы внедрения глубокого обучения для обеспечения безопасности IoT и предлагаются перспективные направления дальнейших исследований. Данный обзор послужит ориентиром для исследователей и отраслевых специалистов при внедрении методов глубокого обучения в сфере безопасности и обнаружения вторжений в IoT.
Key Findings
1
Традиционные системы обнаружения вторжений сталкиваются с трудностями при применении в неоднородной и чувствительной к безопасности среде IoT.
2
Глубокое обучение рассматривается как перспективный подход для обнаружения и предотвращения кибератак на устройства IoT.
3
В статье анализируются проблемы внедрения глубокого обучения для защиты IoT и определяются направления будущих исследований.
4
В обзоре систематизируются современные методы обнаружения вторжений в IoT на основе глубокого обучения, включая алгоритмы, наборы данных, типы атак и метрики оценки.
5
Обзор призван помочь исследователям и специалистам отрасли выбирать и внедрять методы глубокого обучения для обнаружения вторжений в IoT.
Research Object
системы обнаружения вторжений для сетей и устройств IoT
Research Subject
обнаружение и предотвращение кибератак на основе глубокого обучения, включая методы, типы атак, проблемы развертывания и показатели эффективности в обеспечении безопасности IoT
Publication Details
Publication Date
2023-10-10
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest