IoT骨干网中基于异常的入侵检测的二维降维和两层分类模型;随着对物联网 (IoT) 设备和服务的日益依赖,检测 IoT 网络中的入侵和恶意活动的能力对于网络基础设施的恢复至关重要。本文提出了一种基于双层维度缩减和双层分类模块的入侵检测模型,旨在检测恶意活动,如用户到根 (U2R) 和远程到本地 (R2L) 攻击。 建议模型使用分量分析和尺寸减小模块的线性鉴别分析,将高维数据集注入具有较小特征的较低维度数据集。然后,我们应用一个双层分类模块,利用纳伊夫贝叶斯和确定性因子版本的 K-最近邻居来识别可疑行为。使用 NSL-KDD 数据集的实验结果表明,我们的模型优于以前用于检测 U2R 和 R2L