AIDPS:Adaptive Intrusion Detection and Prevention System for Underwater Acoustic Sensor Networks

要約

水中音響センサー ネットワーク (UW-ASN) は主に水中環境で使用され、多くの分野で応用されています。
ただし、セキュリティに関する考慮事項の欠如、水中環境の不安定で困難な性質、および UW-ASN に使用されるセンサー ノードのリソース制約のある性質 (そのため、セキュリティ プリミティブを採用できない) により、UW-ASN は次のような問題が発生しやすくなります。
脆弱性。
この論文では、UW-ASN 向けの AIDPS と呼ばれる適応型分散型侵入検知および防御システムを提案します。
提案された AIDPS は、UW-ASN のセキュリティを向上させ、水中関連の攻撃 (ブラックホール、グレーホール、フラッディング攻撃など) を効率的に検出できるようにします。
提案された構造の最も効果的な構成を決定するために、いくつかの最先端の機械学習アルゴリズム (適応型ランダム フォレスト (ARF)、光勾配ブースティング マシン、K 最近傍法など) を使用して多数の実験を実施します。
）および概念ドリフト検出アルゴリズム（ADWIN、kdqTree、Page-Hinkley など）。
私たちの実験結果は、ADWIN を使用したインクリメンタル ARF が、ワンクラス サポート ベクター マシン (SVM) の異常ベースの検出器を実装した場合に最適なパフォーマンスを提供することを示しています。
さらに、私たちの広範な評価結果は、提案されたスキームが最先端のベンチマーク方法を上回り、スケーラビリティや複雑さなどの幅広い望ましい機能を提供することも示しています。

要約(オリジナル)

Underwater Acoustic Sensor Networks (UW-ASNs) are predominantly used for underwater environments and find applications in many areas. However, a lack of security considerations, the unstable and challenging nature of the underwater environment, and the resource-constrained nature of the sensor nodes used for UW-ASNs (which makes them incapable of adopting security primitives) make the UW-ASN prone to vulnerabilities. This paper proposes an Adaptive decentralised Intrusion Detection and Prevention System called AIDPS for UW-ASNs. The proposed AIDPS can improve the security of the UW-ASNs so that they can efficiently detect underwater-related attacks (e.g., blackhole, grayhole and flooding attacks). To determine the most effective configuration of the proposed construction, we conduct a number of experiments using several state-of-the-art machine learning algorithms (e.g., Adaptive Random Forest (ARF), light gradient-boosting machine, and K-nearest neighbours) and concept drift detection algorithms (e.g., ADWIN, kdqTree, and Page-Hinkley). Our experimental results show that incremental ARF using ADWIN provides optimal performance when implemented with One-class support vector machine (SVM) anomaly-based detectors. Furthermore, our extensive evaluation results also show that the proposed scheme outperforms state-of-the-art bench-marking methods while providing a wider range of desirable features such as scalability and complexity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google