基于ELCG-DSA与LWS-BiOLSTM的区块链增强型工业物联网入侵检测系统研究

为解决工业物联网(IIoT)中网络安全威胁与数据授权缺陷问题，研究人员提出了一种结合指数线性同余生成器-数字签名算法(ELCG-DSA)和对数波Sigmoid双向单次长短期记忆网络(LWS-BiOLSTM)的入侵检测系统(IDS)。该研究通过区块链网络实现设备注册与Polychoric熵相关-Tiger哈希算法(PEC-Tiger)生成智能合约，采用Montgomery模曲线密码学(MMCC)增强安全性，并利用Luus-Jaakola序列鹈鹕优化算法(LJS-POA)进行负载均衡。实验结果显示，该系统达到98.78%的检测准确率与98.71%的安全等级，显著优于传统方法。

　　

随着工业物联网(IIoT)的快速发展，传感器与工业设备的广泛互联在提升效率的同时，也带来了严峻的网络安全挑战。现有系统普遍存在中间授权机制缺失、数据集不平衡、响应延迟等问题，导致工业控制系统(ICS)面临数据泄露和未授权访问风险。尤其在高维医学影像（如MRI）传输等场景中，传统方法难以应对实时威胁检测需求。

针对这些痛点，一项发表于《Sustainable Computing: Informatics and Systems》的研究提出创新解决方案。该团队设计了一种融合区块链技术的入侵检测框架，核心包括：1）基于指数线性同余生成器的数字签名算法(ELCG-DSA)实现连续多因素授权；2）对数波Sigmoid双向单次长短期记忆网络(LWS-BiOLSTM)用于攻击分类；3）Polychoric熵相关-Tiger哈希算法(PEC-Tiger)生成智能合约哈希码；4）Montgomery模曲线密码学(MMCC)强化数据安全；5）Luus-Jaakola序列鹈鹕优化算法(LJS-POA)优化负载均衡。实验采用NSL-KDD数据集验证性能。

主要技术方法
研究通过区块链网络注册工业设备信息，利用PEC-Tiger算法生成哈希码并创建部分数字签名。登录后采用MMCC加密处理数据，经哈希验证后生成完整签名。LJS-POA算法动态平衡系统负载，SMOTE技术解决数据不平衡问题，最终由LWS-BiOLSTM模型完成攻击分类。

研究结果

1. Abstract：系统实现98.78%准确率与98.71%安全等级，PEC-Tiger哈希生成耗时<1254ms。
2. Introduction：揭示现有IDS在加密攻击检测和实时响应上的不足，提出多技术融合框架的必要性。
3. Proposed methodology：ELCG-DSA有效阻断IIoT与ICS间中间层攻击，LWS-BiOLSTM显著提升序列数据异常检测能力。
4. Result and discussion：对比实验显示，LWS-BiOLSTM的精确度(98.78%)和召回率(98.52%)均优于传统随机森林(RF)和卷积神经网络(CNN)。
5. Conclusion：框架成功解决数据不平衡和响应延迟问题，但需进一步优化网关级攻击（如路由器入侵）检测。

结论与意义
该研究通过区块链与深度学习协同创新，构建了IIoT环境下的高精度安全防护体系。ELCG-DSA和LWS-BiOLSTM的组合不仅提升了对新型攻击的识别能力，其模块化设计也为医疗影像传输等实时场景提供了可扩展方案。未来研究可延伸至网关设备安全层，进一步完善工业物联网防御生态。