使用Node-RED实现和部署物联网入侵检测的机器学习管道

整理自

《Implementing and Deploying an ML Pipeline for IoT Intrusion Detection with Node-RED》,由 Yimin Zhang 等人撰写,发表于 2023 年 CPS-IoT Week Workshops。以下是根据提供的 PDF 内容整理的论文的详细主要内容:

摘要 (Abstract)

  • 论文讨论了物联网(IoT)生态系统中边缘设备面临网络攻击的问题,以及如何在这些设备上使用机器学习(ML)技术进行本地入侵检测,以减少对云基础设施的依赖并增强数据隐私。

关键词 (Keywords)

  • 入侵检测、物联网、机器学习、嵌入式系统、边缘计算

引言 (Introduction)

  • 论文介绍了物联网设备因价格降低和种类增多而被广泛采用,但这也增加了受到网络攻击的风险。ML技术能够学习网络流量模式,帮助识别恶意流量。

机器学习管道 (Machine Learning Pipeline)

  • 论文描述了用于 IoT 生态系统中入侵检测的 ML 管道的实现,包括数据收集、预处理和预测阶段。使用了一种类机器学习模型,如单类支持向量机(OCSVM)等。

2b188090a2304697ab512f2309ef3517.png

所选编程框架 (Selected Programming Frameworks)

  • 论文评估了几种中间件解决方案,以确定它们对嵌入式设备中 ML 应用程序的支持程度,特别关注低代码和事件驱动方法。

3.1 Node-RED

  • Node-RED: 一个基于流的编程工具,最初由IBM开发,现在由OpenJS Foundation维护。Node-RED允许开发者通过拖放节点来构建应用程序,是一个低代码(low-code)平台。
  • Node-RED与机器学习: Node-RED社区包含了基于Python ML库(如SciKit-Learn和Tensorflow)的ML模块,尽管这些模块在过去5年中没有更新,存在一些问题。也有其他的第三方节点贡献者提供的节点,例如TensorFlow.js,这是一个可以在浏览器或Node.js中运行的JavaScript ML库。

3.2 GStreamer

  • GStreamer: 一个开源的、多平台的框架,适用于构建处理和转换数据流的应用程序。GStreamer应用程序由多个管道组成,每个管道都是数据转换工作流的表示。
  • GStreamer与机器学习: NVIDIA 提供了 GStreamer 工具包,即 DeepStream SDK,用于基于 AI 的多传感器处理,视频、音频和图像理解。

3.3 Arrowhead

  • Arrowhead: 提供了一种构建基于 IoT(主要是工业)自动化系统的架构,基于服务导向架构(SOA),具有本地云。
  • Arrowhead与机器学习: 有关Arrowhead和ML的已发布作品较少,但Arrowhead能够支持需要软实时模型的使用案例。

3.4 比较

  • 论文通过表格形式对比了 Node-RED、GStreamer 和 Arrowhead 三种框架的不同特性,包括:
    • 分布式与集中式架构
    • 开源情况
    • 低代码支持
    • 轻量级特性
    • 实时处理能力
    • 运行时环境
    • 支持的语言
    • 设备大小需求
    • 支持者和文档
    • 通信协议
    • 消息模式
    • 并行处理能力
    • 鲁棒性
    • 部署难易程度
    • 动态服务绑定

5dc591f7787049d9a47ae42e9631b19c.png

结果与选择

  • 尽管每个框架都有其优势,但Node-RED因其高度的模块化和低代码方法而被选为最适合本研究的框架。Arrowhead 由于需要多个核心服务与应用程序本身同时运行而被排除。GStreamer 虽然轻量且功能强大,但其API使用起来更为复杂,不如 Node-RED 易于集成和重新配置。

在 Node-RED 中部署管道 (Pipeline Deployment in Node-RED)

  • 论文报告了将 ML 管道转换为 Node-RED 实现时遇到的挑战,并展示了在 Node-RED Web 编辑器中的流程。

47653e8e90ca469cafe7f90f928e23cd.png

在嵌入式系统中的初始评估 (Initial Evaluation on Embedded System)

  • 论文描述了在嵌入式系统(由 ISP 提供的家用路由器)上部署 Node-RED 管道的性能评估,包括内存占用和响应时间。

结论 (Conclusion)

  • 论文总结了在 IoT 家庭生态系统的边缘实现入侵检测系统的实施过程,并讨论了未来工作的方向,包括进行不同框架和部署之间的定量比较,扩展管道以包含更多模型,并解决处理更大并行负载的可扩展性问题。

致谢 (Acknowledgments)

  • 论文感谢了葡萄牙科学技术基金会(FCT/MCTES)和葡萄牙国家创新机构(ANI)的部分支持。

参考文献 (References)

  • 论文列出了相关的参考文献,以支持研究和论文内容。

论文的核心贡献是展示了如何在 Node-RED 中实现和部署用于 IoT 入侵检测的 ML 管道,并在实际的边缘设备上进行了评估和测试。论文还讨论了实现过程中遇到的挑战和解决方案,并提供了对 Node-RED 作为低代码平台在嵌入式系统中的应用潜力的见解。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/407589.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

0基础深度学习项目13:基于TensorFolw实现天气识别

🍨 本文为🔗365天深度学习训练营 中的学习记录博客🍖 原作者:K同学啊 目录 一、创建环境二、前期准备2.1 设置GPU2.2 导入数据2.3 数据预处理2.3.1 加载数据2.3.2 查看图像的标签 2.4 数据可视化 三、构建简单的CNN网络&#xff0…

KT来袭,打造沉浸式体验的聚合性web3应用平台

随着步入 2024,漫长的区块链熊市即将接近尾声。纵观产业发展,逆流而上往往会是彰显品牌市场影响力和技术实力的最佳证明。在这次周期中,一个名为KT的web3.0聚合平台吸引了市场关注,无论在市场层面还是技术层面,都广泛赢…

Leetcode 104. 二叉树的最大深度 C++实现

Leetcode 104. 二叉树的最大深度 问题:给定一个二叉树root,返回其最大深度。 二叉树的最大深度是指从根节点到最远叶子节点的最长路径上的节点数。 /*** Definition for a binary tree node.* struct TreeNode {* int val;* TreeNode *left;* …

培训第三十五天(容器的基础命令使用)

1、创建一个容器并同时执行echo命令 # 快速启动一个容器执行特定的一次性命令并查看输出结果,输出结果后容器直接退出[rootdocker ~]# docker run -it --namea0 centos:latest echo "abc"abc[rootdocker ~]# docker psCONTAINER ID IMAGE COMMAND …

游戏app激励视频广告预加载位置,最大化广告收益

最近收到很多游戏类App开发者咨询激励视频广告,在帮助开发者分析产品的时候,特别是一些初级开发者的App产品,发现用户进入这些App,或者打开某个功能时就弹出激励视频广告,这样是违规的,并且用户看完广告也是…

使用gitee存储项目

gitee地址:Gitee - 基于 Git 的代码托管和研发协作平台 创建gitee远程仓库 将远程仓库内容拉取到本地仓库 复制下面这个地址 通过小乌龟便捷推送拉取代码:https://blog.csdn.net/m0_65520060/article/details/140091437

数字图像处理【15】特征检测——SIFT特征检测

一、引入SIFT算法 上一篇文章我们重温学习了Harris角点检测算法的基本原理,但在实际生产使用Harris检测角点的时候,会发现一个问题,就是用于检测的输入图像的尺寸大小会直接影响到Harris的检测结果。这是为什么呢?主要是Harris角…

2024最新50道NLP和人工智能领域面试题+答案(中文+英文双版本)

编者按:分享一个很硬核的免费人工智能学习网站,通俗易懂,风趣幽默, 可以当故事来看,轻松学习。 中文版本 自然语言处理 (NLP)已成为语言学、人工智能和计算机科学交叉领域的变革性领域。随着文本数据量的不断增加&…

内网横向移动常用方法

横向移动 #横向移动含义 横向移动是以已经被攻陷的系统为跳板,通过收集跳板机的信息(文档,存储的凭证,ipc连接记录等等信息)来访问其他域内主机。#常见横向手段 1,通过相同的用户名密码批量ipc连接其他域内…

【学习笔记】Day 22

一、进度概述 1、机器学习常识23-24,以及相关代码复现 2、python 补完计划(详见 python 专题) 二、详情 23、U-Net 从宏观结构上来讲(以下摘自常识23): U-Net 就是 U 形状的网络, 前半部分 (左边…

三星计划今年HBM4设计,2025年初开始样品测试

三星计划今年晚些时候完成首款HBM4内存设备的设计定稿,2025年初开始样品测试 根据nN Elec援引行业消息人士的报道,三星计划在今年晚些时候完成首款HBM4内存设备的设计定稿,并预计将于2025年初开始样品测试。该公司预计将采用其最新一代10纳米…

详细分析 el-progress的基本知识以及用法(附Demo)

目录 前言1. 基本知识2. Demo3. 实战 前言 由于实战项目中有所引用,对此记录基本的知识点,并且以Demo的形式呈现 1. 基本知识 el-progress 是 Element Plus UI 库中的一个进度条组件,用于显示任务的完成情况 可以帮助用户了解某个操作或任…

[数据集][目标检测]工程机械车辆检测数据集VOC+YOLO格式3189张10类别

数据集格式:Pascal VOC格式YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):3189 标注数量(xml文件个数):3189 标注数量(txt文件个数):3189 标注…

密码生成器(HTML+CSS+JavaScript)

🌏个人博客主页:心.c ​ 前言:前两天写了密码生成器,现在跟大家分享一下,大家如果想使用随便拿,如果哪里有问题还请大佬们给我指出,感谢支持 🔥🔥🔥专题文章&…

Vue3集成高德离线地图实践

1. 离线地图效果预览 2. 地图下载器下载离线地图 根据需要选择地图,我这边选择高德地图,层级选择0-15级别即可,进行下载 3. 放到nginx内网服务器 注意配置允许跨域 4. Vue3核心代码 // main.js // 初始化vue-amap initAMapApiLoader({o…

Android自定义简单TextView

自定义属性 <declare-styleable name"TextView"><!--name 属性名称format 格式&#xff1a;string 文字 color颜色dimension 宽高 字体大小 integer数字reference 资源引用(drawable)--><attr name"YiRanText" format"string"/&…

torchvision中的数据集使用

1.数据集&#xff1a; 自定义数据集transforms中的类 如何将数据集和transforms结合在一起&#xff1f; 以CIFAR10为列 2.CIFAR10数据集的下载与导入 import torchvisiontrain_settorchvision.datasets.CIFAR10(root"./dataset",trainTrue,downloadTrue) test_set…

判别分析2|Bayes判别分析|Fisher判别分析|软件求解

Bayes判别分析 引入先验信息 距离判别只要求知道总体的数字特征&#xff0c;不涉及总体的分布函数 当均值和协方差未知时&#xff0c;就用样本的均值和协方差矩阵做估计值。距离判别方法简单实用&#xff0c;但没有考虑到每个总体出现的机会大小&#xff0c;即先验概率&#…

Git的使用教程及常用语法03

七.如何从版本库中删除文件 第一种方式&#xff1a;直接在工作区删除文件&#xff0c;然后提交 rm ffile1.txt (注意&#xff1a;这个不是git命令&#xff0c;而是linux命令) 看到状态发现&#xff0c;文件file1.txt已经被删除&#xff0c;提示需要提交到暂存区。 因为我们只…

从开发到集成:视频美颜SDK与直播美颜API详解

在本文中&#xff0c;我们将详细探讨视频美颜SDK的开发过程及其与直播美颜API的集成方案&#xff0c;帮助开发者更好地理解和应用这些技术。 一、视频美颜SDK的开发概述 视频美颜SDK是一个用于实时视频处理的开发工具包&#xff0c;提供了包括磨皮、美白、瘦脸、眼睛放大等多…