IoT骨干网中基于异常的入侵检测的二维降维和两层分类模型.pdf

IoT骨干网中基于异常的入侵检测的二维降维和两层分类模型；随着对物联网 （IoT） 设备和服务的日益依赖，检测 IoT 网络中的入侵和恶意活动的能力对于网络基础设施的恢复至关重要。本文提出了一种基于双层维度缩减和双层分类模块的入侵检测模型，旨在检测恶意活动，如用户到根 （U2R） 和远程到本地 （R2L） 攻击。 建议模型使用分量分析和尺寸减小模块的线性鉴别分析，将高维数据集注入具有较小特征的较低维度数据集。然后，我们应用一个双层分类模块，利用纳伊夫贝叶斯和确定性因子版本的 K-最近邻居来识别可疑行为。使用 NSL-KDD 数据集的实验结果表明，我们的模型优于以前用于检测 U2R 和 R2L 攻击的模型。