論文の概要: A Systematic Review of Metaheuristics-Based and Machine Learning-Driven Intrusion Detection Systems in IoT

• arxiv url: http://arxiv.org/abs/2506.00377v2
• Date: Tue, 03 Jun 2025 00:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:32.871323
• Title: A Systematic Review of Metaheuristics-Based and Machine Learning-Driven Intrusion Detection Systems in IoT
• Title（参考訳）: IoTにおけるメタヒューリスティックスと機械学習駆動型侵入検知システムのシステムレビュー
• Authors: Mohammad Shamim Ahsan, Salekul Islam, Swakkhar Shatabda,
• Abstract要約: 本稿では,メタヒューリスティックスアルゴリズムの機械学習による侵入検知システム開発への応用を包括的かつ体系的に検討する。 この研究の重要な貢献は、これらの最適化技術と最先端のIoT-IDSと統合された機械学習モデルとの隠れた相関の発見である。
• 参考スコア（独自算出の注目度）: 2.8265531928694116
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread adoption of the Internet of Things (IoT) has raised a new challenge for developers since it is prone to known and unknown cyberattacks due to its heterogeneity, flexibility, and close connectivity. To defend against such security breaches, researchers have focused on building sophisticated intrusion detection systems (IDSs) using machine learning (ML) techniques. Although these algorithms notably improve detection performance, they require excessive computing power and resources, which are crucial issues in IoT networks considering the recent trends of decentralized data processing and computing systems. Consequently, many optimization techniques have been incorporated with these ML models. Specifically, a special category of optimizer adopted from the behavior of living creatures and different aspects of natural phenomena, known as metaheuristic algorithms, has been a central focus in recent years and brought about remarkable results. Considering this vital significance, we present a comprehensive and systematic review of various applications of metaheuristics algorithms in developing a machine learning-based IDS, especially for IoT. A significant contribution of this study is the discovery of hidden correlations between these optimization techniques and machine learning models integrated with state-of-the-art IoT-IDSs. In addition, the effectiveness of these metaheuristic algorithms in different applications, such as feature selection, parameter or hyperparameter tuning, and hybrid usages are separately analyzed. Moreover, a taxonomy of existing IoT-IDSs is proposed. Furthermore, we investigate several critical issues related to such integration. Our extensive exploration ends with a discussion of promising optimization algorithms and technologies that can enhance the efficiency of IoT-IDSs.
• Abstract（参考訳）: IoT(Internet of Things)の普及は、不均一性、柔軟性、密接な接続性によって、既知の未知のサイバー攻撃の傾向にあるため、開発者にとって新たな課題を提起している。 このようなセキュリティ違反を防ぐため、研究者は機械学習(ML)技術を用いた高度な侵入検知システム(IDS)の構築に注力してきた。 これらのアルゴリズムは特に検出性能を改善するが、最近の分散データ処理とコンピューティングシステムのトレンドを考慮して、IoTネットワークにおいて重要な問題である、過剰なコンピューティングパワーとリソースを必要とする。 その結果、これらのMLモデルに多くの最適化技術が組み込まれている。 具体的には、生物の行動と、メタヒューリスティックアルゴリズムとして知られる自然現象の異なる側面から採用されたオプティマイザの特別なカテゴリーが近年中心となっていて、顕著な結果をもたらしている。 この重要なことを考えると、メタヒューリスティックスアルゴリズムの様々な応用を総合的かつ体系的にレビューし、特にIoTにおいて機械学習ベースのIDSを開発する。 この研究の重要な貢献は、これらの最適化技術と最先端のIoT-IDSと統合された機械学習モデルとの隠れた相関の発見である。 さらに,これらのメタヒューリスティックアルゴリズムを,特徴選択やパラメータ,ハイパーパラメータチューニング,ハイブリッド利用など,異なるアプリケーションに適用した効果を別々に分析した。 さらに,既存のIoT-IDSの分類法を提案する。 さらに,このような統合にまつわるいくつかの重要な問題についても検討する。 我々の広範な調査は、IoT-IDSの効率を向上できる有望な最適化アルゴリズムと技術に関する議論で終わります。

関連論文リスト

• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Hybrid Machine Learning Models for Intrusion Detection in IoT: Leveraging a Real-World IoT Dataset [0.0]
  これらの脅威を緩和するためには、侵入検知システム(IDS)が不可欠である。 機械学習(ML)の最近の進歩は、改善のための有望な道を提供する。 本研究は、いくつかのスタンドアロンMLモデルを組み合わせたハイブリッドアプローチを探求する。
  論文  参考訳（メタデータ） (2025-02-17T23:41:10Z)
• Leveraging Conversational Generative AI for Anomaly Detection in Digital Substations [0.0]
  提案したADフレームワークとHITLベースのADフレームワークの比較評価を行うために,高度なパフォーマンス指標を採用している。 このアプローチは、サイバーセキュリティの課題が進展する中で、電力系統運用の信頼性を高めるための有望なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-11-09T18:38:35Z)
• Impacts of Data Preprocessing and Hyperparameter Optimization on the Performance of Machine Learning Models Applied to Intrusion Detection Systems [0.8388591755871736]
  侵入検知システム(IDS)は継続的に改善されている。 その多くは、脅威を特定するために機械学習(ML)技術を採用している。 本稿では,この研究ギャップを埋める研究について述べる。
  論文  参考訳（メタデータ） (2024-07-15T14:30:25Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• An Explainable Ensemble-based Intrusion Detection System for Software-Defined Vehicle Ad-hoc Networks [0.0]
  本研究では,アンサンブルに基づく機械学習による車両ネットワークにおけるサイバー脅威の検出について検討する。 我々は,Random Forest と CatBoost を主要な研究者として用いたモデルを提案し,ロジスティック回帰を用いて最終的な決定を下す。 我々は,本手法が分類精度を向上し,過去の研究に比べて誤分類が少ないことを観察した。
  論文  参考訳（メタデータ） (2023-12-08T10:39:18Z)
• AI-Empowered Hybrid MIMO Beamforming [85.48860461696417]
  ハイブリッドマルチインプット・マルチアウトプット(MIMO)システムは、アナログおよびデジタルのビームフォーミングの一部を実装している。 近年、ハイブリッドビームフォーミング設計にデータ支援人工知能(AI)ツールを使うことへの関心が高まっている。 本稿では、リアルタイムハイブリッドビームフォーミング設計を改善するために、データを活用するための候補戦略についてレビューする。
  論文  参考訳（メタデータ） (2023-03-03T06:04:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。