清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Machine Learning-Enabled IoT Security: Open Issues and Challenges Under Advanced Persistent Threats

计算机科学 计算机安全 入侵检测系统 物联网 异常检测 桥接(联网) 开放式研究 网络安全 入侵 人工智能 万维网 地球化学 地质学
作者
Zhiyan Chen,Jinxin Liu,Yu Shen,Murat Şimşek,Burak Kantarcı,Hussein T. Mouftah,Petar Djukic
出处
期刊:ACM Computing Surveys [Association for Computing Machinery]
卷期号:55 (5): 1-37 被引量:30
标识
DOI:10.1145/3530812
摘要

Despite its technological benefits, the Internet of Things (IoT) has cyber weaknesses due to vulnerabilities in the wireless medium. Machine Larning (ML)-based methods are widely used against cyber threats in IoT networks with promising performance. An Advanced Persistent Threat (APT) is prominent for cybercriminals to compromise networks, and it is crucial to long-term and harmful characteristics. However, it is difficult to apply ML-based approaches to identify APT attacks to obtain a promising detection performance due to an extremely small percentage among normal traffic. There are limited surveys that fully investigate APT attacks in IoT networks due to the lack of public datasets with all types of APT attacks. It is worth bridging the state of the art in network attack detection with APT attack detection in a comprehensive review article. This survey article reviews the security challenges in IoT networks and presents well-known attacks, APT attacks, and threat models in IoT systems. Meanwhile, signature-based, anomaly-based, and hybrid intrusion detection systems are summarized for IoT networks. The article highlights statistical insights regarding frequently applied ML-based methods against network intrusion. Finally, open issues and challenges for common network intrusion and APT attacks are presented for future research.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
寻道图强应助如沐春风采纳,获得20
6秒前
胜胜糖完成签到 ,获得积分10
8秒前
如沐春风完成签到,获得积分10
31秒前
草木完成签到,获得积分10
34秒前
CC完成签到,获得积分10
42秒前
波波完成签到 ,获得积分10
1分钟前
可夫司机完成签到 ,获得积分10
1分钟前
cai白白完成签到,获得积分0
1分钟前
mingtian完成签到,获得积分10
1分钟前
珠小白完成签到 ,获得积分10
1分钟前
1分钟前
gjww给甜美土豆的求助进行了留言
1分钟前
温馨完成签到 ,获得积分10
1分钟前
xa完成签到 ,获得积分10
1分钟前
Pioneer完成签到 ,获得积分10
3分钟前
小栩完成签到 ,获得积分10
3分钟前
李凤凤完成签到 ,获得积分10
4分钟前
CodeCraft应助科研通管家采纳,获得10
4分钟前
研友_GZ3zRn完成签到 ,获得积分0
4分钟前
补作业的糖豆完成签到,获得积分10
4分钟前
所所应助Singularity采纳,获得10
4分钟前
哈哈完成签到 ,获得积分0
4分钟前
看看文章完成签到 ,获得积分10
4分钟前
深情的凝云完成签到 ,获得积分10
5分钟前
jlwang完成签到,获得积分10
5分钟前
dent强完成签到 ,获得积分10
5分钟前
6分钟前
6分钟前
Singularity发布了新的文献求助10
6分钟前
海子发布了新的文献求助10
6分钟前
gjww应助甜美土豆采纳,获得30
6分钟前
甜美土豆给甜美土豆的求助进行了留言
6分钟前
amar完成签到 ,获得积分10
6分钟前
D&L完成签到,获得积分10
6分钟前
chichenglin完成签到 ,获得积分10
6分钟前
7分钟前
闪闪的谷梦完成签到 ,获得积分10
7分钟前
Alisha完成签到,获得积分10
7分钟前
nick完成签到,获得积分10
8分钟前
点一个随机昵称完成签到 ,获得积分10
8分钟前
高分求助中
请在求助之前详细阅读求助说明!!!! 20000
The Three Stars Each: The Astrolabes and Related Texts 900
Yuwu Song, Biographical Dictionary of the People's Republic of China 700
Bernd Ziesemer - Maos deutscher Topagent: Wie China die Bundesrepublik eroberte 500
A radiographic standard of reference for the growing knee 400
Glossary of Geology 400
Additive Manufacturing Design and Applications 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2473490
求助须知:如何正确求助?哪些是违规求助? 2138773
关于积分的说明 5450819
捐赠科研通 1862817
什么是DOI,文献DOI怎么找? 926240
版权声明 562817
科研通“疑难数据库(出版商)”最低求助积分说明 495463