基于树的机器学习和基于过滤器的特征选择的IoMT网络入侵检测优化 | MDPI Sensors

本文研究了医疗物联网（IoMT）网络中的安全问题，提出了一种优化的入侵检测系统（IDS）。该系统结合基于树的机器学习分类器和基于滤波器的特征选择技术，以提高检测准确性和效率。研究背景是IoMT设备因存储和计算能力有限，依赖无线传输，容易受到多种网络攻击，威胁医疗信息系统的稳定运行。研究目的是通过监督树机器学习算法构建有效的IDS，采用决策树、随机森林、XGBoost和CatBoost等算法，并结合互信息和XGBoost进行特征选择以减少计算成本。实验使用CICIDS2017数据集，结果显示模型准确率达到98.79%，虚警率为0.007 FAR。结论表明，该方法能有效检测入侵行为，保障医疗数据传输的安全。