21、物联网安全与印度传统疗法的医学应用探索

物联网安全与印度传统疗法的医学应用探索

1. 机器学习在物联网异常检测中的应用

1.1 异常检测方案概述

在物联网环境中，存在多种异常情况，如越界访问、堆栈溢出、电流异常等。提出的方案可作为物联网传感器节点的安全监测框架，通过分析传输到基站的数据来实现。若传感器节点出现故障，可能会停止工作或向基站发送无效信息，RNN 模型可将此类情况识别为中断并报告给主服务器。通过对现有物联网框架的测试，证明了若缺乏适当的安全措施，可能会入侵基站上运行的应用程序；而当物联网设备启用所提出的 IDPM 时，基站能有效识别恶意传感器节点的存在。

1.2 提出的工作内容

1.2.1 数据准备

建议分析不同类型攻击的发生率以及不同时刻缺失的属性，设定概率率，并基于这些概率创建不同的数据集。具体创建了五个包含不同类型缺失属性的数据集和五个包含这些属性缺失概率的数据集。

1.2.2 算法步骤

• 样本收集 ：在不同时间实例收集样本，以分析恶意活动高发或低发的时间。
• 数据集创建 ：创建两个不同的集合，第一个是包含所有转储数据的数据集，第二个是包含缺失属性的数据集。
• 子集划分 ：第二个数据集又分为两个子集。第一个子集是属性转换矩阵，用于为通信中所需的某些重要属性赋予重要性；第二个子集是速率转换矩阵，用于分析任意时刻的概率率。
• 概率率计算 ：计算边际概率率。