1.本發明屬于物聯網安全領域，具體涉及一種基于梯度提升機的輕量級入侵檢測方法。
背景技術：
2.物聯網是互聯網基礎上的延伸，由多種智能傳感器、智能節點等設備組成。物聯網設備可以在沒有人為干預的情況下完成數據收集、數據分析、數據存儲、數據傳遞等任務, 實現物與物、物與人的泛在連接，使得現實世界和信息世界更加緊密的聯系在一起。物聯網的出現產生了巨大的商業價值并且為現有領域提供了更多的可能，例如智能家居、智慧城市、醫療4.0、工業4.0等等。因此，物聯網技術被認為是最重要的新興技術，將從根本上改變人們的生活。預計全球的物聯網設備將在2025年達到750億個。
3.物聯網無處不在，海量數據被物聯網設備收集、處理、分析。然而，當前的物聯網設備在算力、存儲等資源上受到較大限制，使得其難以運行常規的網絡安全系統。并且，由于物聯網設備沒有統一的設計標準，使得物聯網設備在受到網絡攻擊時，物聯網設備的機密性、完整性和可用性極易被破壞。
4.入侵檢測系統（intrusion detection system，ids）已經發展成為保護網絡設備免遭攻擊的重要措施。ids通過檢測網絡流量的特征對其進行分類，并在檢測到攻擊時自動發出警告。ids按檢測方式分為基于特征的入侵檢測系統（signature-based intrusion detection system，sids）和基于異常的入侵檢測系統（anomaly-based intrusion detection system，aids）。sids通過檢索已知攻擊的特征庫中的記錄判斷網絡流量是否為攻擊。aids通過學習正常網絡流量的特征來判斷當前網絡流量和正常網絡流量之間的差異。aids可基于統計學習、機器學習和深度學習等方法構建?；跈C器學習和深度學習的ids對于已知攻擊和未知攻擊都能夠獲得較好的檢測效果，并且易于設計和搭建。相較于深度學習，機器學習不需要非常大的數據集和計算成本即可完成訓練。相較于機器學習，深度學習能夠更好地處理數量大和維度高的數據。并且，深度學習因為不需要特征工程，所以能夠節省資源和時間。
5.相較于傳統的互聯網設備，物聯網設備只能提供有限的算力、存儲、電能等資源，因此對ids的輕量化程度有更高的要求。然而，以往對于ids的研究大多局限于提升檢測能力，使得所提出的ids不能完全適用于資源受限的物聯網設備。所以本
聲明：
“基于梯度提升機的輕量級物聯網入侵檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業用途，請聯系該技術所有人。
我是此專利(論文)的發明人(作者)
1071
編輯：中冶有色網
來源：哈爾濱師范大學
分享 0
舉報 0
收藏 0
反對 0
點贊 0
2025年07月09日 ~ 11日 
