Синергетические подходы к улучшению обнаружения вторжений в IoT: балансировка функций с помощью комбинированного обучения (ENG)

В этом исследовании представлен инновационный подход к IoT IDS, который объединяет связь SMOTE-Tomek и BTLBO, CNN с классификатором XGB, который направлен на устранение дисбаланса данных, повышение производительности модели, сокращение количества ошибочных классификаций и повышение общего качества набора данных.

Предлагаемая система IoT IDS, использующая набор данных IoT-23, достигает точности 99,90% и низкого уровня ошибок, при этом требуя значительно меньше времени на выполнение.

Эта работа представляет собой значительный шаг вперед в области безопасности IoT, предлагая надежное и эффективное решение IDS, адаптированное к меняющимся вызовам взаимосвязанного мира.