76、物联网中入侵分类与静脉输液监测系统研究

物联网中入侵分类与静脉输液监测系统研究

物联网入侵分类相关内容

在物联网安全领域，对基于RPL（Routing Protocol for Low-Power and Lossy Networks）的物联网中的入侵进行分类是一项重要的研究。以下将详细介绍相关技术和方法。

数据预处理

• 数据归一化 ：在训练过程中，为避免较小值的输入变量被较大值的变量“淹没”，需要去除较高值的输入变量。若将原始输入变量直接输入神经网络，模拟神经元可能会饱和。当网络中的神经元饱和时，输入的修改只会导致输出的微小变化或无变化，这会严重干扰网络的训练，并引发一些无关的错误。为减少神经元饱和带来的影响，在将输入数据输入神经网络之前，应先对其进行归一化处理。
• 特征选择 ：此过程包括删除无关、不需要和重复的变量。非必要的数据会影响性能参数，如准确性。特征选择的输出是数据的最佳表示，它还能帮助学习解决根本问题的方法。如果跳过特征选择这一步，会对预测模型的准确性产生破坏性影响。

模型训练与测试

• 网络训练和测试 ：确定系统的正确结构后，应使用训练数据集对模型进行训练，以掌握输入和输出之间的联系。训练完成后，需使用测试数据对网络进行测试，以评估其泛化能力。
• 攻击类检测 ：NSL - KDD数据集中有四种攻击类型，分别是DoS（Denial - of - Service）、U2R（User - to - Root）、R2L（Remote -