面向稳健的物联网入侵检测：基于SMOTETomek和网格搜索优化的新方法

《Scientific Reports》：Toward robust IoT intrusion detection: a novel approach using SMOTETomek and grid search optimization

　　

摘要

物联网（IoT）设备的不断普及带来了重大的网络安全漏洞，然而许多现有的入侵检测系统（IDS）计算量过大，难以在资源受限的边缘节点上运行。本研究旨在开发一个轻量级、可解释的IDS流程，在检测准确性与低资源消耗之间取得平衡，以满足实时物联网环境的需求。我们的方法采用仅用于训练的SMOTETomek重采样技术来解决极端类别不平衡问题，利用卡方特征选择进行降维，并使用网格搜索优化的K近邻（KNN）分类器，同时对推理延迟和内存占用进行了明确的基准测试。在CIC-IoT-2023数据集上进行评估，所提出的流程达到了94.3%的准确率、94.5%的精确率、93.9%的召回率和94.2%的F1分数，同时保持了最小的模型尺寸和较低的每包推理延迟，适合边缘部署。所提出的方法在检测性能和效率之间提供了实用的权衡，为资源受限的物联网硬件提供了一种透明且可部署的安全解决方案。