一種物聯(lián)網(wǎng)入侵檢測和成員推理攻擊研究

摘要： 為適應(yīng)物聯(lián)網(wǎng)節(jié)點計算能力弱、存儲空間不足和敏感數(shù)據(jù)易受攻擊等特點，提出一種新的融合卷積神經(jīng)網(wǎng)絡(luò)和差分隱私的輕量級入侵檢測模型，使模型更好適應(yīng)物聯(lián)網(wǎng)苛刻的資源環(huán)境。首先，使用MinMax算法對原始流量數(shù)據(jù)進(jìn)行歸一化預(yù)處理；其次，設(shè)計輕量級卷積神經(jīng)網(wǎng)絡(luò)提取流量特征并進(jìn)行分類；最后使用差分隱私算法對模型可能遇到的成員推理攻擊進(jìn)行防御。新算法在UNSW＿NB15等入侵檢測數(shù)據(jù)集上進(jìn)行了... （共9頁）