Revoluce na internetu věcí: Nová ID chrání před kybernetickými útoky!
Revoluce na internetu věcí: Nová ID chrání před kybernetickými útoky!
nicht angegeben - V dnešním digitalizovaném světě, ve kterém je vše propojeno, hraje klíčovou roli kybernetická bezpečnost a ochrana našich systémů. Novým přístupem je rozvoj lehkého systému rozhodování a starý systém detekce narušení (IDS) pro sítě IoT, jehož cílem je rozpoznat skutečné hrozby v reálném čase a zajistit vysokou úroveň provozní efektivity. Nature zprávy o systému, který je speciálně navržen pro prostředí s nízkou složitostí a minimálním systémovým úsilím.
Srdcem tohoto systému je strom rozhodování, který je známý pro jeho hardwarovou účinnost a srozumitelnost. To znamená, že ve srovnání s složitějšími modely, jako jsou hluboké neuronální sítě, vyžaduje mnohem méně výpočtu a skladování. To má tu výhodu, že výkon zařízení IoT není ovlivněn, zatímco systém klasifikuje hrozby rychle a přesně.
Zabezpečení na internetu věcí
Zázemí pro tento vývoj je více než jen technická povaha: internet věcí (IoT) se ukázal jako nezbytný v mnoha průmyslových odvětvích, ale také znamená značná bezpečnostní rizika. Podle PMC jsou pro ochranu těchto zranitelných ekosystémů zásadní zásadní. Novým modelem, který zde vyniká jako obzvláště zajímavý, je ID Deep Neural rozhodování (DNDF-IDS) , který kombinuje prvky z modelů rozhodování a neuronových sítí. To vede ke zlepšení přesnosti a rozpoznávání síťových anomálií.
Hodnocení tohoto modelu probíhá na několika datových záznamech a vykazuje působivou přesnost mezi 94,09% a 98,84%. Doba prognózy je extrémně krátká, s pouze 0,1 ms na záznam dat. Není tedy divu, že tyto nové technologie jsou stále atraktivnější! Dokážou provést efektivní předpovědi s nižším počtem charakteristik, což zároveň šetří zdroje.
Optimalizační strategie a funkce
Ústředním bodem ve vývoji lehkých ID je použití různých optimalizačních strategií . Systém mimo jiné používá metody, jako je prořezávání funkcí k urychlení zpracování a snížení složitosti. Kromě toho se používají techniky jako optimalizace listů k odstranění zbytečných větví a minimalizaci hloubky rozhodovacího stromu.
Integrace systému na hranici systému je obzvláště vzrušující. To umožňuje nepřetržité úpravy nových hrozeb z cloudových databází, které ukládají důležité informace o vzorcích útoku. S implementací zabezpečených přenosových protokolů, jako je MQTT, je zajištěno, že data budou mezi zařízeními bezpečně proudit.
Optimalizace výkonu | Snížení aktualizací modelu a zatížení počítače, průměrné úložiště se snížilo o 42%. | Čas predikce | snížení o 38% průměrná doba inference. | redukce šířky pásma | Snížení o 67% v synchronizaci modelu. | Stručně řečeno, lze říci, že cíli tohoto přístupu k rozvoji IDS jsou přesnost s vysokou přesností rozpoznávání, nízké falešně pozitivní sazby a efektivní využití zdrojů v prostředích IoT. Vzhledem k tomu, že hrozby na internetu jsou ze dne na den složitější, je zásadní, abychom našli inovativní řešení pro ochranu našich dat a zařízení. Zdá se, že kombinace analýzy okrajů a učení podporovaného cloudem jde tímto směrem.
Details | |
---|---|
Ort | nicht angegeben |
Quellen |
Kommentare (0)