物联网恶意流量的协同预处理与时空检测模型

摘要

物联网恶意流量检测面临高维非平衡数据处理，攻击行为时空关联建模及边缘部署适配等挑战。现有方法在特征提取完整性、长程攻击关联性及分类边界优化方面存在局限。为此，提出多阶段协同预处理框架与深度时空融合检测模型，通过三级威胁映射将43类攻击归并为6类高阶威胁，采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)优化数据分布，构建基于残差注意力机制的时空联合感知网络，设计动态可调节分类头模块实现自适应权重调整。在CIC IoT dataset2023数据集上的实验表明，该方法综合检测精度达到97.10%,F1-score较传统长短期记忆网络(long short-term memory, LSTM)提升5.58个百分点。验证实验显示其对加密流量解析和低频攻击检测具有性能优势，模型参数量压缩显著，满足边缘计算环境部署需求。

关键词

物联网安全 / 恶意流量检测 / 多阶段预处理 / 时空融合模型 / 动态分类头 / CIC IoT数据集