摘要
分布式拒绝服务（DDoS）攻击对工业物联网（IIoT）环境构成了严重威胁，而物联网设备的资源限制以及这类攻击带来的破坏性影响更是加剧了这一问题。传统的检测和预防方法无法确保工业应用所需的系统可用性和运行连续性。本文系统地分析了用于检测、预防和缓解IIoT系统中DDoS攻击的人工智能技术。我们研究了多种基于人工智能的解决方案，包括机器学习模型和深度学习模型，以及那些能够提升实时威胁识别能力、实现自适应防御机制和去中心化信任管理的混合方案，以应对日益复杂的DDoS攻击。本研究强调了人工智能在增强IIoT安全性和韧性方面的潜力，尤其是在那些必须保持不间断运行的关键国家基础设施领域。然而，在工业环境中，计算开销、模型可解释性以及数据集匮乏等问题依然构成重大障碍。此外，动态变化的IIoT拓扑结构和多元化的设备生态系统也需要具备情境感知能力的人工智能解决方案。本分析指出，需要开发轻量级、可解释性强的人工智能框架，并制定适合IIoT独特需求的协作防御策略。同时，还应将人工智能与边缘计算和联邦学习等新兴技术相结合，从而在工业生态系统中构建更高效、可扩展的DDoS防御机制。
