基于设备型号分类和BP神经网络的物联网流量异常检测

作     者：杨威超 郭渊博 钟雅 甄帅辉 YANG Weichao;GUO Yuanbo;ZHONG Ya;ZHEN Shuaihui

作者机构：战略支援部队信息工程大学密码工程学院 

基　　金：国家自然科学基金 信息保障技术重点实验室开放课题 

出 版 物：《信息网络安全》 (Netinfo Security)

年 卷 期：2019年第12期

页      码：53-63页

摘      要：物联网的快速发展,带来的安全威胁层出不穷,尤其是攻击者利用设备漏洞事先入侵潜伏,进而发动网络攻击的例子屡见不鲜。为了有效地应对物联网安全威胁,结合物联网系统的特点,文章设计了基于设备型号的流量异常检测模型,模型采用设置阻尼时间窗口的方法提取时间统计特征并构建指纹,然后根据设备类型对指纹进行分类,最后用主成分分析法对特征进行降维并用BP神经网络算法进行异常检测的训练和识别。为进一步验证设备型号分类对异常检测效果的贡献,文章比较了随机森林、支持向量机方法在检测中的效果并对实验结果进行了评估,结果表明,基于设备型号的异常检测准确度能够提高10%左右,BP神经网络具有最好的检测效果,检出率平均达到90%以上。

主 题 词：异常检测 设备型号分类 BP神经网络 主成分分析 阻尼时间窗口 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-1122.2019.12.007

馆 藏 号：203880028...