物联网中一种基于多种特征提取策略的入侵检测模型

doi:10.3969/j.issn.1671-1122.2019.09.005

信息网络安全 ›› 2019, Vol. 19 ›› Issue (9): 21-25.doi: 10.3969/j.issn.1671-1122.2019.09.005

物联网中一种基于多种特征提取策略的入侵检测模型

康健¹, 王杰², 李正旭³, 张光妲⁴

1.北京宇航系统工程研究所,北京 100076
2.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 150001
3.太原卫星发射中心,山西太原 030027
4.齐齐哈尔大学计算机与控制工程学院,黑龙江齐齐哈尔 161006

收稿日期:2019-07-15 出版日期:2019-09-10 发布日期:2020-05-11
作者简介:
作者简介：康健（1983—）,男,黑龙江,高级工程师,博士,主要研究方向为航天器网络测控及信息应用;王杰（1994—）,男,河北,硕士研究生,主要研究方向为网络入侵检测;李正旭（1978—）,男,甘肃,工程师,本科,主要研究方向为测发总体设计;张光妲（1975—）,女,黑龙江,副教授,硕士,主要研究方向为智能信息处理、计算机网络。
基金资助:
国家自然科学基金[61771154];黑龙江省教育厅科学技术研究项目[12531767]

A Model for Anomaly Intrusion Detection with Different Feature Extraction Strategies in IoT

Jian KANG¹, Jie WANG², Zhengxu LI³, Guangda ZHANG⁴

1. Beijing Institute of Astronautical Systems Engineering, Beijing 100076, China
2. College of Information and Communication Engineering, Harbin Engineering University, Harbin Heilongjiang 150001, China
3. Taiyuan Satellite Launch Centre General Section, Taiyuan Shanxi 030027, China
4. College of Computer and Control Engineering, Qiqihar University, Qiqihar Heilongjiang 161006, China

Received:2019-07-15 Online:2019-09-10 Published:2020-05-11

摘要/Abstract

摘要：

文章利用机器学习方法提出了一种智能入侵检测系统。为了对网络数据进行特征表示,提升系统性能,通过特征提取等方法对数据进行处理。文章提出了一种包含6种不同策略的入侵检测模型框架,并使用UNSW-NB15数据集进行了网络入侵检测实验。实验结果表明,该入侵检测模型检测效果优良,易于使用。

关键词: 物联网, 异常入侵检测, 特征提取, UNSW-NB15

Abstract:

In this paper, an intelligent intrusion detection system was proposed. We pay attention to the feature extraction problem which can make the detection model robust and improve the performance. A framework containing six different strategies is adopted. IDS in this paper was demonstrated using UNSW-NB15 dataset. The simulation results were quite satisfactory compared to some existing models.

Key words: IoT, anomaly intrusion detection, feature extraction, UNSW-NB15

中图分类号:

TP309

康健, 王杰, 李正旭, 张光妲. 物联网中一种基于多种特征提取策略的入侵检测模型[J]. 信息网络安全, 2019, 19(9): 21-25.

Jian KANG, Jie WANG, Zhengxu LI, Guangda ZHANG. A Model for Anomaly Intrusion Detection with Different Feature Extraction Strategies in IoT[J]. Netinfo Security, 2019, 19(9): 21-25.

图/表 5

图1

表1

表2

图2

图3

参考文献 13

[1]	SHAHZAD A A, KIM Y G, ELGAMOUDI A.Secure IoT Platform for Industrial Control Systems[C]//IEEE. 2017 International Conference on Platform Technology and Service(PlatCon), February 13-15, 2017, Busan, South Korea. New York: IEEE, 2017: 1-6.
[2]	SHERASIYA T, UPADHYAY H, PATEL H B.A Survey: Intrusion Detection System for Internet of Things[J]. International Journal of Computer Science and Engineering, 2016, 5(2): 91-98.
[3]	HE Xiang, LIU Sheng, JIANG Jiguo.Comparative Study of Intrusion Detection Methods Based on Machine Learning[J]. Netinfo Security, 2018, 18(5): 1-11.
	和湘,刘晟,姜吉国.基于机器学习的入侵检测方法对比研究[J].信息网络安全,2018,18(5):7-17.
[4]	MUNA A L H, MOUSTAFA N, SITNIKOVA E. Identification of Malicious Activities in Industrial Internet of Things Based on Deep Learning Models[EB/OL]. , 2019-1-22.
[5]	AMIRI F, YOUSEFI M M R, LUCAS C, et al. Mutual Information-based Feature Selection for Intrusion Detection Systems[J]. Journal of Network and Computer Applications, 2011, 34(4): 1184-1199.
[6]	MOUSTAFA N, SLAY J.A Hybrid Feature Selection for Network Intrusion Detection Systems: Central Points and Association Rules[C]//Joondalup Campus. 16th Australian Information Warfare Conference, November 30-December 2, 2015, Edith Cowan University, Perth, Western Australia. Western Australia: Edith Cowan University, 2015: 5-13.
[7]	BELOUCH M, EL HADAJ S, IDHAMMAD M.A Two-stage Classifier Approach Using Reptree Algorithm for Network Intrusion Detection[J]. International Journal of Advanced Computer Science and Applications, 2017, 8(6): 389-394.
[8]	ANWER H M, FAROUK M, ABDEL-HAMID A.A Framework for Efficient Network Anomaly Intrusion Detection with Features Selection[C]//IEEE. 9th International Conference on Information and Communication Systems, April 3-5, 2018, Irbid, Jordan. New York, IEEE, 2018: 157-162.
[9]	ELKHADIR Z, CHOUGDALI K, BENATTOU M.Intrusion Detection System Using PCA and Kernel PCA Methods[C]//Springer. The Mediterranean Conference on Information & Communication Technologies 2015, May 7-9, 2015, Saidia, Morocco. Heidelberg: Springer, 2016: 489-497.
[10]	LIN Weining, CHEN Mingzhi, ZHAN Yunqing, et al.Research on an Intrusion Detection Algorithm Based on PCA and Random-forest Classification[J]. Netinfo Security, 2017, 17(11): 50-54.
	林伟宁,陈明志,詹云清,等.一种基于PCA和随机森林分类的入侵检测算法研究[J].信息网络安全,2017,17(11):50-54.
[11]	HYVARINEN A.Fast and Robust Fixed-point Algorithms for Independent Component Analysis[J]. IEEE Transactions on Neural Networks, 2002, 10(3): 626-634.
[12]	ZOU Su, LI Chuanri, XU Fei, et al.Correlation Factor Analysis of FEA Model Simplification Methods of Printed Circuit Board[C]//IEEE. 7th International Conference on Computational Intelligence and Security, December 3-4, 2011, Hainan, China. New York: IEEE, 2011: 1461-1465.
[13]	MOUSTAFA N, SLAY J.The Significant Features of the UNSW-NB15 and the KDD99 Data Sets for Network Intrusion Detection Systems[C]//IEEE. 4th International Workshop on Building Analysis Datasets and Gathering Experience Returns for Security, November 5, 2015, Kyoto, Japan. New York: IEEE, 2015: 25-31.

实际预测	正常	攻击
正常	TN	FN
攻击	FP	TP

策略	序号	维度	准确率	Kappa系数
NB+FA	1	13	78.2%	0.546
RF+FA	2（100）	12	84.7%	0.477
	3（300）	12	84.7%	0.684
	4（500）	13	84.7%	0.682
NB+ICA	5	15	78.4%	0.549
RF+ICA	6（100）	11	86.0%	0.529
	7（300	11	86.1%	0.712
	8（500）	11	86.0%	0.711
NB+PCA	9	12	78.1%	0.548
RF+PCA	10（100）	11	85.5%	0.699
	11（300）	11	85.5%	0.700
	12（500）	11	85.4%	0.697

[1]	刘建伟, 韩祎然, 刘斌, 余北缘. 5G网络切片安全模型研究[J]. 信息网络安全, 2020, 20(4): 1-11.
[2]	陈璐, 孙亚杰, 张立强, 陈云. 物联网环境下基于DICE的设备度量方案[J]. 信息网络安全, 2020, 20(4): 21-30.
[3]	郎为民, 张汉, 赵毅丰, 姚晋芳. 一种基于区块链的物联网行为监控和活动管理方案[J]. 信息网络安全, 2020, 20(2): 22-29.
[4]	叶阿勇, 金俊林, 孟玲玉, 赵子文. 面向移动终端隐私保护的访问控制研究[J]. 信息网络安全, 2019, 19(8): 51-60.
[5]	李辉, 倪时策, 肖佳, 赵天忠. 面向互联网在线视频评论的情感分类技术[J]. 信息网络安全, 2019, 19(5): 61-68.
[6]	王旭东, 余翔湛, 张宏莉. 面向未知协议的流量识别技术研究[J]. 信息网络安全, 2019, 19(10): 74-83.
[7]	文伟平, 李经纬, 焦英楠, 李海林. 一种基于随机探测算法和信息聚合的漏洞检测方法[J]. 信息网络安全, 2019, 19(1): 1-7.
[8]	鲁刚, 郭荣华, 周颖, 王军. 恶意流量特征提取综述[J]. 信息网络安全, 2018, 18(9): 1-9.
[9]	段琼琼, 项定华, 史红周. 基于区块链的智能物件认证技术方案设计[J]. 信息网络安全, 2018, 18(9): 95-101.
[10]	赵娜, 龙慧, 苏金树. 一种适用于物联网环境的匿名认证与隐私保护方案[J]. 信息网络安全, 2018, 18(11): 1-7.
[11]	陈付龙, 张紫阳, 王涛春, 谢冬. 一种基于联络信号的物联网安全身份认证方法[J]. 信息网络安全, 2018, 18(11): 40-48.
[12]	任晓贤, 陈洁, 李晨阳, 杨义先. 基于风险矩阵的物联网系统漏洞关联性危害评估[J]. 信息网络安全, 2018, 18(11): 81-88.
[13]	陈亚楠, 梅倩, 熊虎, 徐维祥. 适用于工业物联网的无证书并行密钥隔离签名[J]. 信息网络安全, 2018, 18(10): 1-9.
[14]	段桂华, 申卓祥, 申东杰, 李智. 一种基于特征提取的有效下载链接识别方案研究[J]. 信息网络安全, 2018, 18(10): 31-36.
[15]	李智聪, 周治平. 物联网中增强安全的RFID认证协议[J]. 信息网络安全, 2018, 18(1): 80-87.

物联网中一种基于多种特征提取策略的入侵检测模型

A Model for Anomaly Intrusion Detection with Different Feature Extraction Strategies in IoT

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 13

相关文章 15

编辑推荐

Metrics

本文评价