张吕军

（北京安帝科技有限公司，北京 100142）

0 引 言

近年来，物联网（IoT）设备的应用越来越广泛，IoT设备部署的最新统计信息如图1所示。其中，智能城市占28.6%；工业物联网占26.4%；电子医疗占22%；智能家居占15.4%；智能车辆占7.7%[1]。可以说，物联网设备在日常生活中具有越来越大的可用性和便利性。目前来看，大部分厂商都在积极部署其关键基础架构以帮助执行专业任务。

图1 物联网应用范围

物联网技术的应用已向用户证明了各种好处。但是，物联网设备仍存在许多漏洞，这些漏洞暴露于网络环境中是非常危险的。设备部署中各种物联网协议的复杂性也阻碍了物联网通用网络安全解决方案的发展[2]。例如，MQTT协议是物联网中普遍部署的应用程序协议，但是该协议本身存在多个漏洞，这些漏洞很容易受到如设备泄露、数据盗窃、节点盗窃、拒绝服务以及中间人（MiTM）攻击[3-4]。

本文提出了一种基于深度学习的网络流量分类的入侵检测系统的新颖设计。多分类器包括带有嵌入层的前馈神经网络模型，以识别四种攻击类别，即拒绝服务（DoS）、分布式拒绝服务（DDoS）、数据收集和数据盗窃，同时区分攻击的流量。另外，通过嵌入层编码的概念提取了高维分类特征的编码，然后基于迁移学习将其应用于二元分类器上。本文的贡献如下：

（1）基于深度学习和迁移学习的概念，设计用于物联网的入侵检测系统。

（2）根据原始网络流量处理和生成数据包级别的特征（即包头字段信息）。

（3）通过公开的数据集评估提出的二进制和多分类器，其中包括模拟的IoT跟踪和实际攻击流量。……