机构名称：
¥ 1.0
一旦硬件变得“智能”，它就很容易受到威胁。因此，物联网生态系统容易受到各种攻击，由于生态系统的异质性和动态性，物联网生态系统被认为具有挑战性。在本研究中，我们提出了一种基于机器学习方法的物联网攻击检测方法，该方法可以发布检测物联网攻击的最终决策。然而，我们已经通过 Contiki OS 在物联网中实施了三种攻击作为样本，以生成一个基于物联网特征的真实数据集，其中包含来自物联网网络中恶意节点和正常节点的数据混合，可用于基于机器学习的模型。结果，与决策树丛林、决策森林树回归和增强决策树回归相比，多类随机决策森林基于机器学习的模型在检测真实新数据集的物联网攻击方面实现了 98.9% 的总体准确率，而决策树丛林、决策森林树回归和增强决策树回归分别实现了 87.7%、93.2% 和 87.1% 的准确率。因此，基于决策树的方法可以有效地操作和分析通过 Cooja 模拟器生成的 KoÜ-6LoWPAN-IoT 数据集，以检测不一致的行为并对恶意活动进行分类。
Ali Hamid Farea 和 Kerem Kucuk
主要关键词
相关文件推荐
