Методика обнаружения и противодействия многовекторным угрозам нарушения информационной безопасности децентрализованной IoT системы

В статье предлагается методика обнаружения и противодействия многовекторным угрозам информационной безопасности в децентрализованных IoT-сетях.

Предложенное решение интегрирует многомерную реконструкцию сетевого трафика, гибридную архитектуру свёрточных нейронных сетей (CNN) и LSTM для анализа пространственно-временных зависимостей, а также алгоритм очистки данных для снижения вычислительных затрат. Тестирование на датасете CIC IoT Dataset 2023 позволило провести синтезированный эксперимент и сравнить эффективность методики с прототипными методами.

Результаты демонстрируют повышенные показатели точности (99,1%), полноты (99,3%) и вычислительной эффективности, снижая затраты на обработку данных на 20–30%. Предложенное решение обеспечивает высокую производительность в условиях ограниченных вычислительных ресурсов и универсально для обнаружения различных типов атак, включая DDoS, Brute Force, SQL-инъекции и XSS.