Malware Detection in IOT Systems Using Machine Learning Techniques

要約

IoT 環境でのマルウェア検出には、堅牢な方法論が必要です。
この研究では、IoT マルウェア識別のための CNN-LSTM ハイブリッド モデルを導入し、確立された手法に対してそのパフォーマンスを評価します。
K 分割相互検証を活用することで、提案されたアプローチは 95.5% の精度を達成し、既存の方法を上回りました。
CNN アルゴリズムにより優れた学習モデルの構築が可能になり、LSTM 分類器により分類精度が向上しました。
一般的な技術との比較分析により、提案されたモデルの有効性が実証され、IoT セキュリティを強化する可能性が強調されました。
この調査では、代替手段として SVM の将来の検討を提唱し、分散型検出戦略の必要性を強調し、より強力な IOT セキュリティのための予測分析の重要性を強調しています。
この研究は、IoT エコシステムにおいてより回復力のあるセキュリティ対策を開発するためのプラットフォームとして機能します。

要約(オリジナル)

Malware detection in IoT environments necessitates robust methodologies. This study introduces a CNN-LSTM hybrid model for IoT malware identification and evaluates its performance against established methods. Leveraging K-fold cross-validation, the proposed approach achieved 95.5% accuracy, surpassing existing methods. The CNN algorithm enabled superior learning model construction, and the LSTM classifier exhibited heightened accuracy in classification. Comparative analysis against prevalent techniques demonstrated the efficacy of the proposed model, highlighting its potential for enhancing IoT security. The study advocates for future exploration of SVMs as alternatives, emphasizes the need for distributed detection strategies, and underscores the importance of predictive analyses for a more powerful IOT security. This research serves as a platform for developing more resilient security measures in IoT ecosystems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google