이 논문은 IoT 침입 탐지 시스템을 위한 새로운 딥러닝 모델인 다중 입력 자동 인코더(MIAE)와 다중 입력 자동 인코더 기반 특징 선택(MIAEFS) 모델을 제안한다.
MIAE는 다양한 입력 데이터(네트워크 트래픽, 시스템 로그, 애플리케이션 로그 등)를 효과적으로 처리할 수 있는 다중 서브 인코더 구조를 가지고 있다. MIAE는 비지도 학습 방식으로 훈련되어 입력 데이터를 저차원 표현으로 변환하여 정상 행동과 다양한 유형의 공격을 구분할 수 있도록 한다.
MIAEFS는 MIAE에 특징 선택 레이어를 추가한 모델로, 표현 벡터에서 중요한 특징을 선별하고 불필요한 특징을 제거함으로써 분류기의 성능을 향상시킨다. 특징 선택 레이어는 표현 벡터의 특징 중요도를 학습하여 가장 유의미한 특징을 선택할 수 있도록 한다.
실험 결과, MIAE와 MIAEFS는 기존 분류기, 차원 축소 모델, 다중 입력 표현 학습 모델, 비지도 특징 선택 모델 등에 비해 우수한 성능을 보였다. 특히 MIAEFS는 복잡한 Slowloris 공격에 대해 96.5%의 높은 탐지 정확도를 달성했으며, 공격 샘플 탐지 시간이 약 1.7E-6초로 매우 빠르고 모델 크기도 1MB 미만으로 작아 IoT 환경에 효과적으로 적용될 수 있다.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Phai Vu Dinh... at arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.15511.pdfDeeper Inquiries