计算机应用

作者：郑浩群, 蔡立志, 杨康, 王晓宇

单位：1.华东理工大学 信息科学与工程学院，上海 200237；2.上海计算机软件技术开发中心 上海市计算机软件评测重点实验室，上海 201112

关键词：医疗物联网,入侵检测,深度学习,异常检测,未知攻击

基金：上海市青年科技英才扬帆专项(24YF720000)

针对医疗物联网（IoMT）入侵检测方法依赖数据样本的平衡性，采用有监督学习的误用检测无法应对未知攻击，而采用无监督学习的异常检测误报率高的问题，提出一种多阶段融合的IoMT入侵检测方法。首先，采用双向流特征中加入包头信息和有效载荷的特征提取方法，减少对数据样本平衡性的依赖；其次，结合有监督和无监督学习方法设计一个三阶段的入侵检测框架，即通过无监督学习的自编码器（AE）模型过滤出良性流量并检测未知攻击，而通过有监督学习的卷积神经网络（CNN）、门控循环单元（GRU）和注意力机制（Attention）的混合模型检测已知攻击减少误报，从而提高检测性能。实验结果表明，所提方法构建的多阶段医疗物联网入侵检测系统（MTIDS）在CICIoMT2024和CICIoT2023数据集上实现了99.96%的检测准确率和93.78%的F1值，相较于AE等单一有监督或无监督学习方法的入侵检测模型，均有提高，其中，MTIDS在准确率和F1值上比对比模型中最优的AE分别提升了0.82和5.58个百分点，验证了所提方法在已知和未知攻击检测方面的准确性。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期