Resumen

El Internet de las cosas (IoT) contiene una gran cantidad de datos, lo que atrae varios tipos de ataques a la red que conducen a filtraciones de privacidad. Con la actualización de los ataques a la red y el aumento de los datos de seguridad de la red, los métodos tradicionales de aprendizaje automático ya no son adecuados para la detección de amenazas en la red. Al mismo tiempo, las técnicas de análisis de datos y los algoritmos de aprendizaje profundo han evolucionado rápidamente y se han aplicado con éxito a una variedad de tareas para la protección de la privacidad. Las redes neuronales convolucionales (CNN) son modelos típicos de aprendizaje profundo que pueden aprender y reconstruir características de manera precisa y eficiente. Por lo tanto, en este documento, proponemos un grupo de modelos de CNN que se basa en correlaciones de características para aprender características y reconstruir datos de seguridad. Primero, se calculan los coeficientes de correlación de características para medir las relaciones entre las características. Luego, ordenamos los coeficientes de correlación en

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Internet de las cosas; Ataques a redes; Aprendizaje automático; Aprendizaje profundo; Redes neuronales convolucionales; Datos de seguridad
• Keywords:Internet of things; Network attacks; Machine learning; Deep learning; Convolutional neural networks; Security data