EdgeGuard-IoT:一种面向资源受限物联网网关的轻量级、抗污损且可解释的分层入侵检测系统

《Computer Networks》:EdgeGuard-IoT: A Lightweight, Corruption-Robust and Explainable Hierarchical Intrusion Detection System for Resource-Constrained IoT Gateways

【字体: 大 中 小 】 时间:2026年09月30日 来源:Computer Networks 4.7

编辑推荐:

   # 摘要 物联网(IoT)设备扩大网络攻击面的速度远超边缘防御能力的提升。文献中报告的基于机器学习的入侵检测系统(IDS)准确率通常超过99%,然而决定检测器能否在受限网关上运行的三个特性——模型的内存与延迟开销、遥测数据受噪声或丢包破坏时的鲁棒性,以及决策的透明度——很少

  

# 摘要

物联网(IoT)设备扩大网络攻击面的速度远超边缘防御能力的提升。文献中报告的基于机器学习的入侵检测系统(IDS)准确率通常超过99%,然而决定检测器能否在受限网关上运行的三个特性——模型的内存与延迟开销、遥测数据受噪声或丢包破坏时的鲁棒性,以及决策的透明度——很少被同时衡量。本文提出了EdgeGuard-IoT,一种分层两阶段检测器,结合了混合互信息与递归消除特征选择器、类别不平衡感知训练以及破坏感知增强阶段。第一阶段将正常流量与恶意流量分离,使大部分流量提前退出;仅有可疑攻击才会进入第二阶段,识别攻击类型。在UNSW-NB15基准测试数据集上(55,645条去重流量、十个类别、不平衡比约841:1),EdgeGuard-IoT实现了86.1%的准确率、0.870的加权F1和0.560的宏F1,同时仅占用6.6 MB内存,在商用CPU上以每秒35,220条流量的速度处理。与十三个学习器相比,其准确率与最强的梯度提升基线在统计上具有可比性(Friedman χ2 = 103.5,p ≈ 3 × 10?1?),并且在高斯噪声、特征丢弃和量化条件下保持了最高的平均宏F1(0.338,而非扁平基线的0.206至0.261)。SHAP将决策归因于可解释的流量统计特征,如源TTL、数据包大小均值和字节总量。研究还发现,性能保持率倾向于优待弱模型,因此我们用绝对保留性能取代了该指标。

# 引言

物联网已从研究的奇趣之物转变为现代基础设施的连接组织,将工业控制器、医疗监测设备、车载传感器、智能建筑执行器和消费设备链接为一个持续通信的单一网络[1]。独立预测表明,十年内全球安装基数将达数百亿终端设备。使这些设备具有吸引力的特性——低成本、自主性和广泛连接性——也使由此产生的生态系统在安全方面尤为难以保护。由于物联网节点具有异构性、长生命周期且经常无人值守,更广泛网络的安全越来越依赖于观察其流量的观察点,而非设备本身。

连接性的扩展带来了相应扩展的攻击面。受限制的固件、不频繁的补丁更新和弱默认凭证使物联网设备成为大规模攻击行动的首选发起点,从僵尸网络驱动的分布式拒绝服务到工业控制系统内部横向移动[2],[3]。专门构建的数据集如UNSW-NB15 [4]、Bot-IoT [5]和Edge-IIoTset [2]之所以被整理出来,是因为传统企业语料库无法捕捉物联网部署特有的流量分布、协议混合和攻击家族,它们如今已成为检测方法比较的共同基础。

这些基准测试所描述的流量来自物联网部署,其应用多样性决定了网关检测器必须容忍的范围。面向资源受限的IoT-LLN网络的路由层安全在路由协议本身层面处理感知QoS的攻击检测与缓解[6],以及针对RPL资源耗尽攻击的轻量级零信任防御[7]。除路由之外,智能家居部署越来越多地将物联网感知与基于区块链的访问控制相结合,以实现面向未来的网络安全[8],而边缘部署的物联网/深度学习系统现已从网络安全扩展到物理世界感知,例如用于农业监测的野生动物入侵检测[9]。这些应用共享了促使本文研究的核心约束——小型设备、间歇连接和异构协议,它们也是EdgeGuard-IoT等边缘IDS最终要保护的目标部署。

在此背景下,网络入侵检测系统已成为主要的自动防御手段,而机器学习则是其主流实现方式。大量研究已表明,决策树集成、循环和卷积网络、以及梯度提升学习器能够在流级提取的表格特征上高保真地将正常流量与恶意流量分离开[[10], [11], [12]]。后续研究不断精化特征工程、重采样和架构,将报告准确率推近饱和,确立了这些数据集在常见类别上的原始统计可分离性基本上已是一个已解决的问题。

然而,饱和的准确率并不能很好地代理可部署性。在干净划分排行榜上名列前茅的检测器往往过于庞大而无法加载、运行速度跟不上线速、在遥测数据退化时过于脆弱,或者过于不透明而无法审计——这些恰恰是边缘网关所施加的条件[[13], [14], [15]]。决定检测器能否在受限硬件上部署的特性(开销、延迟、对破坏的鲁棒性,以及可解释性)很少被一起报告,而且最常用来衡量鲁棒性的指标会系统性地美化弱模型。

因此,差距并不在于准确检测器的匮乏,而在于缺乏一种将可部署性作为一等公民、联合优化目标的设计,以及一种在分布偏移下仍保持可靠的测量实践。两个问题叠加。首先,决定边缘可行性的各项特性之间相互权衡——缩小模型规模或使其抗破坏通常会牺牲准确率,因此孤立报告任何单一维度,如大多数研究所做的那样,无法确立检测器是否可部署[15,16]。其次,鲁棒性文献在很大程度上标准化使用性能保持率,该指标通过用模型自身的干净分数对损坏分数进行归一化,从而作为伪信号奖励了本就薄弱的模型;一个近乎随机的分类器也可能表现为最大鲁棒性[[13], [14], [15], [16], [17]]。一个在每个维度上都表现强劲但使用误导性鲁棒性指标评估的方法仍会被错误排名,因此修正后的指标与检测器本身一样是贡献的重要组成部分。

三个具体想法赋予了该方法新颖性。第一,通过破坏感知增强将鲁棒性纳入训练目标,使学习器暴露于威胁模型中的噪声、丢弃和量化操作符,将弹性从期望的副产品转变为可购买的属性,这一做法偏离了事后对抗性测试[[13], [14], [15], [16], [17], [18]]。第二,我们识别并修正了贯穿鲁棒性文献的测量缺陷:性能保持率与干净基线存在混淆,系统性地奖励弱模型,因此我们报告绝对保留性能,该指标重新排序了整个比较。第三,分层提前退出架构将破坏硬化的二元分诊与攻击家族分类器相结合,使大部分正常流量以低成本解析,而多类别决策仅保留给少数可疑攻击的富集样本。这与混合互信息/RFE选择器[19,20]和显式的不平衡处理[21]相结合。这些共同产生了一个同时具备准确性、紧凑性、鲁棒性和可解释性的检测器[[14], [15], [16], [17], [18], [19], [20], [21], [22]]。据我们所知,此前的任何IoT-IDS研究都未联合评估所有这些属性并进行统计显著性检验,这正是本文填补的空白。表2在2020年至2026年间发表的十六项代表性研究的基础上证实了这一说法(第2.4节):每一项最多联合解决四个维度(不平衡处理、特征选择、破坏鲁棒性和边缘成本)中的两个,没有一项报告跨学习器的正式显著性检验,也没有一项将破坏下的绝对保留性能作为区别于保持率的指标加以报告。本节其余部分阐述动机、技术挑战、我们的贡献以及论文的组织结构。

聚合物联网流量的网关是检测入侵的天然场所,但它本身也受资源约束:一台普通的CPU、有限的内存和固定的功率预算,同时必须在线速下检查流量且绝不能妨碍其保护的设备。因此,面向这一位置的入侵检测器面临的目标与在工作站上基准测试的检测器有着根本不同。它必须足够小以能加载、足够快以跟上、足够鲁棒以承受无线物联网链路典型的噪声和有损遥测数据,并且足够透明以使操作员能够根据告警采取行动。主流文献在很大程度上只优化了单一维度——在干净、平衡的测试划分上的检测准确率,并报告接近饱和的数字,这掩盖了模型大小、吞吐量和分布偏移下行为方面数量级的差异,也模糊了标题准确率主要由少数频繁类别主导,而操作上关键的稀有家族仍被检测不力的事实。

设计一个同时准确、紧凑、鲁棒且可解释的检测器暴露出四个张力,本文直接直面这些张力。第一,UNSW-NB15表现出严重的类别不平衡,多数类别与最稀有家族的比例约为841:1;朴素训练产生一个在纸面上准确但对稀有类别——往往是危害最大的——盲目无知的检测器[21]。第二,存在开销与准确率之间的张力,因为在准确率排行榜上名列前茅的模型(大型随机森林、深度集成模型)恰恰是过于庞大或过于缓慢而无法部署的模型,而容易部署的微型模型则牺牲了过多的稀有类别召回率[15,16]。第三,无线物联网遥测数据本质上是嘈杂和有损的,且攻击者可能故意扰动特征[13],[17];为干净数据调优的检测器即使在轻微破坏下也会急剧退化,而且关键是,常用来报告鲁棒性的性能保持率会美化那些没有多少性能可以损失的弱模型。第四,高容量模型表现为黑箱,阻碍了安全运维中的信任、审计和事件响应[14],[22]。

我们的应对是EdgeGuard-IoT,一种部署优先的分层检测器,以及一套在决定边缘可行性的维度上为模型评分的测量方法论。具体贡献如下。

C1,第一阶段二元分诊仅将可疑攻击(测试集上流量的39.3%)转发至第二阶段攻击家族分类器,降低平均推理成本,同时保留多类别分辨能力,并产生两个可单独检查的决策。

C2,互信息过滤器后接递归特征消除将39个原始特征缩减至20个,保留了约95%的全特征宏F1,并缩减了所有下游模型的规模。

C3,增强阶段在拟合期间注入高斯噪声和随机特征丢弃,将鲁棒性从事后补救转变为显式设计目标。

C4,我们在三种破坏家族下的分级强度进行评估,证明绝对保留宏F1而非保持率才是具有操作意义的量;我们同时报告两者并展示保持率在何处产生误导。

C5,我们测量每个候选者的模型大小和批量吞吐量,并将它们定位在显式的准确率-延迟-大小Pareto前沿上。

C6,SHAP归因揭示了驱动决策的流量统计特征,而覆盖十三个学习器的Friedman检验与Nemenyi事后分析确立了哪些差异是显著的。

核心发现不是EdgeGuard-IoT是最准确的检测器——在干净数据上,扁平的梯度提升模型在宏F1上略胜一筹——而是它是唯一一个同时在准确率上接近最优、在强劲表现者中最紧凑、在有用准确率上速度最快、且对破坏最鲁棒的模型。在部署前沿上,它没有被任何竞争者支配。

本文其余部分组织如下。第2节回顾相关工作及我们所构建的技术的理论基础,并确定我们针对的评估空白。第3节形式化问题、部署和威胁模型以及EdgeGuard-IoT方法论,包括控制方程。第4节详述实验设置、指标和超参数。第5节展示并阐述跨准确率、鲁棒性、可部署性、可解释性和统计显著性的结果。第6节讨论发现、其技术含义和局限性,第7节作结论。

## 片段:面向物联网的机器学习入侵检测

基于流的入侵检测将每条网络连接视为固定长度的统计描述符向量——字节数和包数、到达间隔时间、协议标志和连接跟踪计数器——并将检测视为在这些向量上的有监督分类。早期工作确立了决策树集成和循环网络能很好地建模此类表格记录[10],[11],因为树集成模型能够捕捉流量统计量中轴对齐、阈值式的结构,而…

## 片段:部署与威胁模型

预期部署如图1所示。感知层中的物联网设备——传感器、摄像头、可穿戴设备和工业节点——将流量发送至托管EdgeGuard-IoT的边缘网关。网关提取每条流的特征,在线运行两阶段检测器,立即转发正常流量,对检测到的攻击发出告警,并将日志和SHAP解释流式传输至云端安全运营中心,后者可能偶尔推送模型更新。该检测器是唯一可信的…

## 片段:环境与可重复性

所有实验均在一个单节点Linux容器(4 GB RAM,Python 3.12)上运行,使用scikit-learn 1.8、XGBoost 3.3、LightGBM 4.7、imbalanced-learn 0.14和SHAP 0.52。

内存上限被刻意设定得较为保守,以模拟边缘设备的约束环境,这一约束影响了多项设计选择:采用单线程推理以限制峰值内存占用,对过采样设置上限以避免合成数十万少数类样本点,以及在鲁棒性测试中排除暴力K近邻方法,因为该方法的密集数据特征不适合当前场景。图3(a)在对数尺度上验证了极度严重的类别不平衡现象,其中正常类样本数量几乎超出蠕虫家族近三个数量级,而图3(b)显示所选的二十个特征之间仅存在轻微的两两相关性。该相关性结构具有信息价值:连接跟踪计数器(ct_*族)形成一个内部相关的紧凑特征块,但与流量和时序特征的相关性较弱,表明特征选择器保留了互补信号。讨论部分(第5节)指出了一种评估边缘入侵检测器的实用方法。EdgeGuard-IoT在干净数据上并非最准确的模型,其宏平均F1值比最佳梯度提升模型低0.018。然而,在十三个模型中,它是唯一一个同时在准确率上统计可比、在绝对意义上最具抗腐败鲁棒性、在高性能模型中最轻量、且在可部署准确率水平上最快的模型。当目标被表述为权衡优化时,该结论更加明确。结论与未来工作:本文提出了一种层次化、腐败感知且可解释的边缘入侵检测器EdgeGuard-IoT,其设计面向物联网网关的实际约束而非清洁数据的排行榜竞赛。该模型结合了早退出两阶段检测、混合互信息与递归特征消除特征选择器、不平衡感知训练以及腐败感知增强目标,其准确率经Friedman检验与Nemenyi事后检验确认,在统计上与最强的梯度提升基线模型相当。致谢与资助:作者感谢沙特哈萨大学研究生院与科学研究办公室通过项目编号"JU-RSP2026"对本研究提供的资金支持。CRediT作者贡献声明:Fathe Jeribi:论文审阅与编辑、初稿撰写、可视化、验证、软件、资源、项目管理、方法论、调查、正式分析、数据整理、概念构思、研究资金获取、监督指导。
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