Loading...
机构名称:
¥ 1.0

3萨卡里亚大学,萨卡里亚,萨卡里亚,türkiye的软件工程系,dakgun@sakarya.edu.tr摘要物联网(IoT)在实践中具有各种应用程序,例如智能家庭和建筑物,交通管理,工业管理,工业管理和智能农业。另一方面,通过物联网应用程序日益增长的使用而提出了安全问题。研究人员开发了机器学习模型,这些模型专注于更好的分类准确性和减少模型响应时间以解决此安全问题。在这项研究中,我们使用DS2OS数据集对IoT网络上的入侵检测系统进行了比较评估。首先使用信息增益特征选择方法处理数据集以进行特征提取。原始数据集(12个属性),使用信息增益方法生成的数据集(6个属性),以及通过消除时间戳属性而获得的数据集(11个属性)。这些数据集使用多种机器学习方法和测试选择(10-CrossFold,百分比拆分)进行了性能测试。提出了测试性能结果,并进行了评估,例如准确性,精度,回忆和F1分数。根据测试结果,已经观察到,使用有限处理能力的物联网设备的随机森林实现了99.42%的精度检测率。关键字:信息安全性; iot;入侵检测系统;机器学习1。简介

基于IOT的智能家庭安全系统,带机器学习模型

基于IOT的智能家庭安全系统,带机器学习模型PDF文件第1页

基于IOT的智能家庭安全系统,带机器学习模型PDF文件第2页

基于IOT的智能家庭安全系统,带机器学习模型PDF文件第3页

基于IOT的智能家庭安全系统,带机器学习模型PDF文件第4页

基于IOT的智能家庭安全系统,带机器学习模型PDF文件第5页

相关文件推荐