基于改进深度学习的物联网网络攻击行为识别方法OA

为解决物联网网络层多设备接入、攻击类型多样、攻击行为隐蔽性强且存在时序依赖关系等识别难题,提出基于改进深度学习的物联网网络攻击行为识别方法.通过网络探针采集物联网网络信息,输入双向门控循环单元-Transformer编码器融合模型(BiGRU-TA),利用BiGRU捕获时序数据的前后向依赖关系,结合位置编码增强位置信息感知,通过Transformer编码器挖掘特征间的全局关联,由全连接层实现攻击类型映射识别.实验结果表明,该方法能精准识别不同攻击的时序区间,尤其在隐蔽性强、依赖长序列信息的攻击行为识别中表现突出,攻击次数识别与实际情况高度吻合,误识率接近零,具备高精度、强泛化的攻击识别能力,在物联网安全保障等场景中能够发挥积极作用.