卫生物联网中基于 CNN 的环境传感器时间序列异常检测
原文中文,约300字,阅读约需1分钟。发表于: 。该研究开发了一种使用卷积神经网络(CNNs)在医疗物联网中检测时间序列数据异常的新方法,并提出了一种使用物联网网络模拟器 Cooja 来创建分布式拒绝服务(DDoS)攻击的方法,该攻击模拟环境传感器(如温度和湿度)。通过 CNNs 检测时间序列数据中的异常,并以 92% 的准确率识别可能的攻击。
本研究提出了一种基于深度学习的分布式拒绝服务攻击检测方法,利用新不伦瑞克大学DDoS评估数据集中的实时DDoS攻击数据构建了一个更广泛和适用于现实世界的模型。该模型通过提取和归一化数据流,并使用卷积神经网络和深度学习算法进行二进制分类,实现了高准确性的DDoS攻击检测。结果表明,该算法在网络流量中检测DDoS攻击方面表现出很高的准确性,针对2000个未见过的流量达到了0.9883的准确率,并且可在任何网络环境中扩展应用。