基于设备型号分类和BP神经网络的物联网流量异常检测

摘要：

物联网的快速发展,带来的安全威胁层出不穷,尤其是攻击者利用设备漏洞事先入侵潜伏,进而发动网络攻击的例子屡见不鲜.为了有效地应对物联网安全威胁,结合物联网系统的特点,文章设计了基于设备型号的流量异常检测模型,模型采用设置阻尼时间窗口的方法提取时间统计特征并构建指纹,然后根据设备类型对指纹进行分类,最后用主成分分析法对特征进行降维并用BP神经网络算法进行异常检测的训练和识别.为进一步验证设备型号分类对异常检测效果的贡献,文章比较了随机森林、支持向量机方法在检测中的效果并对实验结果进行了评估,结果表明,基于设备型号的异常检测准确度能够提高10％左右,BP神经网络具有最好的检测效果,检出率平均达到90％以上.

关键词：异常检测、设备型号分类、BP神经网络、主成分分析、阻尼时间窗口

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金[61501515;信息保障技术重点实验室开放课题[614211203010417

在线出版日期：2020-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：53-63