基于遗传算法优化的神经网络用于IIoT攻击检测

《IEEE Access》:IIoT Attack Detection Using Genetic Algorithm Optimized Neural Networks

【字体: 大 中 小 】 时间:2026年03月27日 来源:IEEE Access 4.2

编辑推荐:

  摘要:工业物联网通过连接的传感器、边缘设备以及数据驱动的自动化技术,正在加速工业领域的数字化转型;然而,这种连接性也增加了面临网络威胁的风险,这些威胁可能扰乱那些对安全性和任务完成度要求极高的操作。本研究针对有效检测工业物联网入侵的需求,提出了一种混合模型,该模型将遗传算法与神经

  

摘要:

工业物联网通过连接的传感器、边缘设备以及数据驱动的自动化技术,正在加速工业领域的数字化转型;然而,这种连接性也增加了面临网络威胁的风险,这些威胁可能扰乱那些对安全性和任务完成度要求极高的操作。本研究针对有效检测工业物联网入侵的需求,提出了一种混合模型,该模型将遗传算法与神经网络相结合,利用遗传算法优化神经网络参数,从而在复杂的流量环境中提升分类性能。所提出的方法在Edge-IIoTset数据集上进行了测试,该数据集是一个标注过的工业物联网入侵检测基准数据集,包含正常流量以及多种攻击类型(如DDoS、恶意软件和注入类攻击),其特征为特征类型多样且类别不平衡现象明显。研究还采用了主成分分析进行降维处理,以减少特征冗余并提高学习效率。实验结果表明,经过遗传算法优化的神经网络在所有测试的攻击类别中都能达到95%以上的整体准确率,尤其是在识别主要攻击类型方面表现优异。研究结论表明,进化优化技术能够提升基于神经网络的入侵检测系统的性能,为工业物联网环境提供灵活的优化框架,进而帮助开发出更具弹性的工业网络入侵检测解决方案。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号