论文阅读——《DTL-IDS: An optimized Intrusion Detection Framework using Deep Transfer Learning and .....》

一.基本信息

论文名称：《DTL-IDS: An optimized Intrusion Detection Framework using Deep Transfer Learning and Genetic Algorithm》

中文：DTL-IDS：基于深度迁移学习和遗传算法的入侵检测优化框架

DOI号：10.1016/j.jnca.2023.103784

作者：Shahid Latif, Wadii Boulila, Anis Koubaa, Zhuo Zou, Jawad Ahmad

期刊：Journal of Network and Computer Applications

发表时间：2024年

中科院分区：2区

JCR分区：Q1

影响指数：8.8

二.论文阅读

1.研究背景

        1.研究所处环境背景：

         工业物联网盛行，但是工业物联网设备和网络容易受到多种网络攻击，面临着严峻的安全和隐私问题，因此保证设备和网络的稳健性和鲁棒性迫在眉睫；入侵检测系统常常用来保护IOT网络免受网络攻击

        2.当前研究出现的问题：

        IDS模型中，预定义的攻击分类列表无法应对新的和独特的攻击；数据集样本不均衡，正常样本占比高

2.研究贡献（整个论文干了什么）

1.将Edge-IIoTset数据集预处理，编码并转换为图像数据

2.提出了一种基于深度迁移学习和遗传算法优化的高效入侵检测方案，通过集成多个优化的预训练CNN模型来提升工业物联网网络中网络攻击的检测性能和准确性

3.全面分析性能

3.相关技术前提介绍

        1.什么是迁移学习

迁移学习是说将模型用其他数据集进行训练，然后再使用实验的数据集

        2.CNN层的特点

CNN模型的特点：CNN模型可以被分为顶层和底层，其中底层是输入层和前几个卷积层与池化层，这些是模型的基础，即使不同的CNN模型，其底层也是大致是一样的，因此具有通用性；而顶层一般是后面的卷积层、池化层以及输出层，与具体的任务有关

CNN的卷积层：CNN一般是包括 输入层 卷积层 池化层 输出层，其中这个卷积层的个数根据具体情况而定，简单任务的模型卷积层可能只需要2-3个，有的大模型的卷积层可能要上百；卷积层作用就是利用卷积核来进行特征提取。

卷积层的分类：

不同的模型的卷积层数量不同，但是其可以大致分为四类：底层、中层、高层、任务特定层

        底层卷积层：他指的是第1，或者前几个卷积层，他的作用是提取图像基本特征 ；简单来理解就是模型学习“这是一条直线”，“这是一个拐点”，一般来说，各个模型的底层是相同或者相似的，所以可以通用；或者说直接用于其他的任务

        中层卷积层：结合底层卷积，提取部分特征，比如提取到老虎的“王”

       &n