雾环境下基于度量学习的两阶段入侵检测系统

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：王伟飞, 李晋国, 赵娜, 刘丽建

摘要：随着数十亿物联网设备的部署，针对此类设备的网络攻击越来越普遍。但是现有的一些研究只专注于二分类测试，未考虑最新的物联网数据集，不能适应新的需求，因此提出一种两阶段的高效和准确的入侵检测系统。该系统结合了深度度量学习和集成学习，在一个两层的雾架构中运行，基于改进三元组网络的异常检测模型部署在雾节点中，对捕获的流量执行二元分类，同时由决策树、梯度提升树和随机森林分类器构成的攻击识别模块部署在云平台中，对第一层识别为入侵的活动进行分析，以便管理员作出相应对策。使用最新的物联网数据集IOT-23和UNSW-NB15进行评估，实验结果表明，该模型优于一些先进模型，能够有效解决雾环境下的入侵检测问题。

关键词：物联网, 入侵检测, 深度度量学习, 集成学习, IOT-23