一种创新的混合人工神经网络（ANN）模型，用于检测和预防智能网络中的中间人攻击，从而保护敏感数据的安全

《Scientific Reports》：An innovative hybrid ANN inception model for detecting and preventing man-in-the-middle attacks in smart networks for shielding sensitive data

　　

摘要

中间人（MitM）攻击是网络安全领域面临的一个重大挑战，尤其是在快速发展的智能网络和物联网（IoT）环境中。这类攻击中，攻击者会拦截并可能篡改两方之间看似直接进行的通信。随着智能设备和自主系统的广泛应用，由于传输数据的敏感性质以及这些系统所执行的关键功能，MitM攻击的风险也在不断增加。本文提出了一种利用混合人工神经网络-Inception模型（HAINet）来检测和预防MitM攻击的新方法。该模型结合了Inception模块的动态特征提取能力和人工神经网络（ANNs）的灵活性，以识别和应对这些复杂的网络威胁。研究使用Kaggle上的智能家居入侵检测数据集，采用了先进的数据预处理方法、通过AutoEncoders进行特征提取，并通过混合学习算法进行优化。在Jupyter Notebook中运行的HAINet模型取得了98.69%的出色准确率，在检测准确性和跨各种网络条件的鲁棒性方面均优于传统模型。结果表明，该模型在保护敏感数据免受拦截和篡改方面非常有效，是提升智能网络安全性的有力工具。