Обнаружение сетевых атак в IoT с

Nam nrawitsq imet' prostye i awtomatizirowannye resheniq , no äti prostye i awtomatizirowannye resheniq w tehnologii mogut takzhe soderzhat' riski, esli ih ne reshat' dolzhnym obrazom. Bezopasnost' IoT i problemy konfidencial'nosti dolzhny byt' w centre wnimaniq. Suschestwuet mnozhestwo tipow atak na seti IoT, kotorye mogut powredit' ustrojstwo ili ukrast' konfidencial'nuü informaciü. Poätomu metody iskusstwennogo intellekta (II) sposobny obnaruzhit' i klassificirowat' neizwestnoe powedenie seti putem izucheniq modelej setewyh atak naosnowe bol'shih ob#emow istoricheskih dannyh. My ispol'zowali nabor dannyh Aposemat IoT-23 , issledowali istoriü i primenili algoritmy mashinnogo obucheniq ,takie kak Decision Tree, Random Forest i Naive Bayes. My takzhe srawnili tochnost' ätih algoritmow mashinnogo obucheniq na nabore dannyh IoT-23 i pokazali naibolee äffektiwnyj algoritm mashinnogo obucheniq po rezul'tatam ispol'zowaniq nabora dannyh Aposemat IoT-23, a takzhe prodemonstrirowali metody inzhenerii priznakow dlq predwaritel'noj obrabotki upomqnutogo nabora dannyh dlq obnaruzheniq i klassifikacii setewyh atak IoT.