自适应特征与边界均衡的物联网入侵检测方法-信息安全研究

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

自适应特征与边界均衡的物联网入侵检测方法

作者:

关键词:

摘要：

研究背景与问题

物联网作为现代社会信息化的基础设施，其安全性能的保障尤为重要。然而，由于物联网设备资源受限、流量数据特征高维冗余以及攻击样本分布不均衡，现有的入侵检测方法在性能上存在瓶颈。首先，物联网设备的资源有限，这限制了传统复杂算法的运用。其次，流量数据中的高维冗余特征会导致模型计算开销增加，从而影响分类决策的准确性。再者，攻击样本分布不均衡问题，使得模型对某些类型的攻击可能具有较高的误报率或漏报率，影响检测的全面性和有效性。

研究方法

为了解决上述问题，本文提出了一种融合自适应特征优化与边界均衡采样的物联网入侵检测方法。首先，针对高维冗余特征问题，设计了一种自适应特征优化算法，该算法通过减少冗余特征，降低模型的计算复杂度。其次，针对攻击样本分布不均衡问题，引入了边界均衡采样策略，以优化样本的分布，提高模型对不同类型攻击的检测能力。该方法将自适应特征优化与边界均衡采样相结合，旨在提升物联网入侵检测的整体性能。

核心结果

实验结果表明，本文提出的方法在多种真实场景下的物联网入侵检测任务中均取得了显著的性能提升。具体而言，与传统的入侵检测方法相比，该方法在保持较高检测准确率的同时，显著降低了计算复杂度，提高了检测效率。此外，边界均衡采样策略有效优化了攻击样本的分布，减少了模型的误报率和漏报率，提高了检测的全面性。

结论与意义

本文提出的自适应特征与边界均衡的物联网入侵检测方法，有效解决了物联网入侵检测中存在的高维冗余特征和攻击样本分布不均衡问题。该方法在提高检测性能的同时，兼顾了计算效率，为物联网安全防护提供了新的技术手段。本研究不仅对物联网入侵检测技术的发展具有理论意义，而且对实际应用中的安全防护策略制定具有重要的指导作用，有助于提升物联网系统的整体安全性能。

文章来源：《信息安全研究》网址: http://www.xxaqyjzz.cn/qikandaodu/2026/1027/334.html