TrustEdge：专为资源受限的物联网设备设计的基于“SAINT”技术的入侵检测系统

《IEEE Access》：TrustEdge: SAINT-Driven Intrusion Detection for Resource-Constrained IoT Devices

　　

摘要：

随着物联网（IoT）和基于人工智能的智能设备在消费市场和工业领域的迅速普及，以调制解调器为中心的嵌入式物联网基础设施面临着日益增加的安全威胁——尤其是来自内部人员的威胁。在这种情况下，传统的基于防火墙的解决方案往往无法检测到已经存在于网络中的威胁。此外，大多数用于网络流量分类的先进机器学习模型仅基于离线实验得出结论，缺乏在实时或嵌入式环境下的验证。本文提出了Stacked Autoencoder-Integrated Network Traffic（SAINT）分类器，这是一种分层学习框架，它结合了自动编码器进行特征压缩和XGBoost进行准确的异常分类。SAINT解决了物联网安全性在维度 reduction、内存效率以及嵌入式部署能力方面的关键研究空白。该分类器专为配备了SIM7670G调制解调器的ESP32-S3设备设计，通过无监督的特征压缩技术减少了对于高维标记数据的依赖，在二分类任务中实现了高达50%的输入数据量减少，在多类别分类任务中减少了33.33%的特征维度。在面向部署的二进制入侵检测应用中，SAINT的攻击类别召回率为95.08%，误报率为6.97%，优于在相同实验条件下评估的现有方法，并展示了其在资源受限的物联网平台上的有效实时异常检测能力。