Intrusion detection system using Optimized Machine Learning Algorithms for cyberattacks in the Internet of Vehicles (IoV)
Notice bibliographique
Résumé
The Internet of Vehicles (IoV) is a branch of the Internet of Things that deals with vehicle-to-vehicle communication and intelligent transport systems (ITS). But this connection is not without consequences, because the more a system exchanges information, the more vulnerable it is to various attacks from malicious actors. (hackers). Vehicle Internet security is a great challenge that security professionals face every day. Moreover, despite the deployment of diverse technologies by smart cities to obtain varied, high-performance cloud services, security concerns continue to appear in communications entities that share information. In this article, an intrusion detection system (IDS) based on machine learning is proposed to improve safety in vehicle Internet systems (IoV). The IDS uses random forest (RF) algorithms, decision Tree, Adaboost, and gradient boost on an IoV traffic data set. The hyperparameters of machine learning models are optimized using a meta-heuristic optimization algorithm called the CDO (Chemotactic Differential Evolution) algorithm. The proposed IDS achieved high performance in terms of up to 99.91% accuracy for the Adaboost algorithm in the binary case and 9.81% accuracy in the case of the decimal dataset. High performance of precision, recall, and F1 score were also observed in this study. The optimization has significantly improved the performance of the models by optimizing their hyperparameters. The study was conducted using data sets built by CICIS (Canadian Institute of Cybersecurity) with a real vehicle to evaluate the proposed detection system. The experimental results show that the proposed IDS has significantly higher detection performance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».