Next–Generation Intrusion Detection for Iot evcs: Integrating cnn, lstm, and gru models




Download 6 Mb.
Pdf ko'rish
bet15/16
Sana18.02.2024
Hajmi6 Mb.
#158491
1   ...   8   9   10   11   12   13   14   15   16
Bog'liq
mathematics-12-00571
Спасибо!, 3- SINF IISH REJALARI 2022-2023, 5-A UMUMIY RO`YXAT - 2022 YIL, Анализнинг танланган боблари A kalit (Автосохраненный), 2-amaliy ish qisqa yoʻl mat model, Turdosh ta\'lim yo\'nalishlar 2023, KREATIV INDISTRUIAL RAWAJLANÍWDÍŃ JÁHÁN TÁJRIYBESI, Xakimjanova mag diss 2023, Labaratoriya ishi Oleum analizi., O\'ZGARMAS VA O\'ZGARUVCHAN TOK ELEKTR MASHINALARNING TUZILISHI VA ISHLASHINI O’RGANISH, 2 5287707406892011137[1], Mavzu Ovqatlanish salomatlik omili. Ovqatdan zaxarlanishlar va , Dasturiy maxsulotlar va axborot texnologiyalari Texnologik parki-fayllar.org, 47-модда, Tashkiliy hujjatlar-fayllar.org (2) (1)
Data Availability Statement:
Data are contained within the article.
Conflicts of Interest:
The authors declare no conflict of interest.
References
1.
Rimal, B.P.; Kong, C.; Poudel, B.; Wang, Y.; Shahi, P. Smart Electric Vehicle Charging in the Era of Internet of Vehicles, Emerging
Trends, and Open Issues. Energies 2022, 15, 1908.
https://doi.org/10.3390/en15051908
.
2.
Aldaej, A.; Ahanger, T.A.; Ullah, I. Deep Learning-Inspired IoT-IDS Mechanism for Edge Computing Environments. Sensors 2023,
23, 9869.
https://doi.org/10.3390/s23249869
.
3.
Kilichev, D.; Kim, W. Hyperparameter Optimization for 1D-CNN-Based Network Intrusion Detection Using GA and PSO.
Mathematics 2023, 11, 3724.
https://doi.org/10.3390/math11173724
.
4.
Rashid, M.M.; Khan, S.U.; Eusufzai, F.; Redwan, M.A.; Sabuj, S.R.; Elsharief, M. A Federated Learning-Based Approach for
Improving Intrusion Detection in Industrial Internet of Things Networks. Network 2023, 3, 158–179.
https://doi.org/10.3390/
network3010008
.
5.
Peyman, M.; Copado, P.J.; Tordecilla, R.D.; Martins, L.D.C.; Xhafa, F.; Juan, A.A. Edge Computing and IoT Analytics for Agile
Optimization in Intelligent Transportation Systems. Energies 2021, 14, 6309.
https://doi.org/10.3390/en14196309
.
6.
Lobato, E.; Prazeres, L.; Medeiros, I.; Araújo, F.; Rosário, D.; Cerqueira, E.; Tostes, M.; Bezerra, U.; Fonseca, W.; Antloga,
A. A Monitoring System for Electric Vehicle Charging Stations: A Prototype in the Amazon. Energies 2023, 16, 152.
https:
//doi.org/10.3390/en16010152
.
7.
Lee, H.C.; Liu, H.Y.; Lin, T.C.; Lee, C.Y. A Customized Energy Management System for Distributed PV, Energy Storage Units, and
Charging Stations on Kinmen Island of Taiwan. Sensors 2023, 23, 5286.
https://doi.org/10.3390/s23115286
.
8.
Al Sawafi, Y.; Touzene, A.; Hedjam, R. Hybrid Deep Learning-Based Intrusion Detection System for RPL IoT Networks. J. Sens.
Actuator Netw. 2023, 12, 21.
https://doi.org/10.3390/jsan12020021
.
9.
Gou, W.; Zhang, H.; Zhang, R. Multi-Classification and Tree-Based Ensemble Network for the Intrusion Detection System in the
Internet of Vehicles. Sensors 2023, 23, 8788.
https://doi.org/10.3390/s23218788
.
10.
Awajan, A. A Novel Deep Learning-Based Intrusion Detection System for IoT Networks. Computers 2023, 12, 34.
https:
//doi.org/10.3390/computers12020034
.


Mathematics 2024, 12, 571
25 of 26
11.
Fatani, A.; Dahou, A.; Abd Elaziz, M.; Al-qaness, M.A.A.; Lu, S.; Alfadhli, S.A.; Alresheedi, S.S. Enhancing Intrusion Detection
Systems for IoT and Cloud Environments Using a Growth Optimizer Algorithm and Conventional Neural Networks. Sensors
2023
, 23, 4430.
https://doi.org/10.3390/s23094430
.
12.
Zeinali, M.; Erdogan, N.; Bayram, I.S.; Thompson, J.S. Impact of Communication System Characteristics on Electric Vehicle
Grid Integration: A Large-Scale Practical Assessment of the UK’s Cellular Network for the Internet of Energy. Electricity 2023,
4, 309–319.
https://doi.org/10.3390/electricity4040018
.
13.
Strielkowski, W.; Streimikiene, D.; Fomina, A.; Semenova, E. Internet of Energy (IoE) and High-Renewables Electricity System
Market Design. Energies 2019, 12, 4790.
https://doi.org/10.3390/en12244790
.
14.
Florea, B.C.; Taralunga, D.D. Blockchain IoT for Smart Electric Vehicles Battery Management. Sustainability 2020, 12, 3984.
https://doi.org/10.3390/su12103984
.
15.
Tappeta, V.S.R.; Appasani, B.; Patnaik, S.; Ustun, T.S. A Review on Emerging Communication and Computational Technologies
for Increased Use of Plug-In Electric Vehicles. Energies 2022, 15, 6580.
https://doi.org/10.3390/en15186580
.
16.
Arif, M.; Kim, W.; Qureshi, S. Interference Characterization in Cellular-Assisted Vehicular Communications With Jamming. IEEE
Access 2022, 10, 42469–42480.
https://doi.org/10.1109/ACCESS.2022.3168709
.
17.
Hamdare, S.; Kaiwartya, O.; Aljaidi, M.; Jugran, M.; Cao, Y.; Kumar, S.; Mahmud, M.; Brown, D.; Lloret, J. Cybersecurity Risk
Analysis of Electric Vehicles Charging Stations. Sensors 2023, 23, 6716.
https://doi.org/10.3390/s23156716
.
18.
Sarieddine, K.; Sayed, M.A.; Assi, C.; Atallah, R.; Torabi, S.; Khoury, J.; Pour, M.S.; Bou-Harb, E. EV Charging Infrastructure
Discovery to Contextualize its Deployment Security. IEEE Trans. Netw. Serv. Manag. 2023, 21, 1287–1301.
https://doi.org/10.110
9/TNSM.2023.3318406
.
19.
Girdhar, M.; Hong, J.; You, Y.; Song, T.J.; Govindarasu, M. Cyber-Attack Event Analysis for EV Charging Stations. In Proceedings
of the 2023 IEEE Power & Energy Society General Meeting (PESGM), Orlando, FL, USA, 16–20 July 2023; pp. 1–5.
https:
//doi.org/10.1109/PESGM52003.2023.10252504
.
20.
ElKashlan, M.; Aslan, H.; Said Elsayed, M.; Jurcut, A.D.; Azer, M.A. Intrusion Detection for Electric Vehicle Charging Systems
(EVCS). Algorithms 2023, 16, 75.
https://doi.org/10.3390/a16020075
.
21.
ElKashlan, M.; Elsayed, M.S.; Jurcut, A.D.; Azer, M. A Machine Learning-Based Intrusion Detection System for IoT Electric
Vehicle Charging Stations (EVCSs). Electronics 2023, 12, 1044.
https://doi.org/10.3390/electronics12041044
.
22.
Basnet, M.; Hasan Ali, M. Deep Learning-based Intrusion Detection System for Electric Vehicle Charging Station. In Proceedings
of the 2020 2nd International Conference on Smart Power & Internet Energy Systems (SPIES), Bangkok, Thailand, 15–18 September
2020; pp. 408–413.
https://doi.org/10.1109/SPIES48661.2020.9243152
.
23.
Basnet, M.; Hasan Ali, M. Exploring cybersecurity issues in 5G enabled electric vehicle charging station with deep learning. IET
Gener. Transm. Distrib. 2021, 15, 3435–3449.
https://doi.org/10.1049/gtd2.12275
.
24.
Basnet, M.; M. Hasan Ali. WCGAN-Based Cyber-Attacks Detection System in the EV Charging Infrastructure. In Proceedings of
the 2022 4th International Conference on Smart Power & Internet Energy Systems (SPIES), Beijing, China, 9–12 December 2022;
pp. 1761–1766.
https://doi.org/10.1109/SPIES55999.2022.10082342
.
25.
Basnet, M.; Hasan Ali, M. Deep-Learning-Powered Cyber-Attacks Mitigation Strategy in the EV Charging Infrastructure.
In Proceedings of the 2023 IEEE Power & Energy Society General Meeting (PESGM), Orlando, FL, USA, 16–20 July 2023; pp. 1–5.
https://doi.org/10.1109/PESGM52003.2023.10252470
.
26.
Islam, S.; Badsha, S.; Sengupta, S.; Khalil, I.; Atiquzzaman, M. An Intelligent Privacy Preservation Scheme for EV Charging
Infrastructure. IEEE Trans. Ind. Inform. 2023, 19, 1238–1247.
https://doi.org/10.1109/TII.2022.3203707
.
27.
Lilhore, U.K.; Manoharan, P.; Simaiya, S.; Alroobaea, R.; Alsafyani, M.; Baqasah, A.M.; Dalal, S.; Sharma, A.; Raahemifar, K.
HIDM: Hybrid Intrusion Detection Model for Industry 4.0 Networks Using an Optimized CNN-LSTM with Transfer Learning.
Sensors 2023, 23, 7856.
https://doi.org/10.3390/s23187856
.
28.
Sayegh, H.R.; Dong, W.; Al-madani, A.M. Enhanced Intrusion Detection with LSTM-Based Model, Feature Selection, and SMOTE
for Imbalanced Data. Appl. Sci. 2024, 14, 479.
https://doi.org/10.3390/app14020479
.
29.
Ahmad, I.; Imran, M.; Qayyum, A.; Ramzan, M.S.; Alassafi, M.O. An Optimized Hybrid Deep Intrusion Detection Model
(HD-IDM) for Enhancing Network Security. Mathematics 2023, 11, 4501.
https://doi.org/10.3390/math11214501
.
30.
Meliboev, A.; Alikhanov, J.; Kim, W. Performance Evaluation of Deep Learning Based Network Intrusion Detection System across
Multiple Balanced and Imbalanced Datasets. Electronics 2022, 11, 515.
https://doi.org/10.3390/electronics11040515
.
31.
Adefemi Alimi, K.O.; Ouahada, K.; Abu-Mahfouz, A.M.; Rimer, S.; Alimi, O.A. Refined LSTM Based Intrusion Detection for
Denial-of-Service Attack in Internet of Things. J. Sens. Actuator Netw. 2022, 11, 32.
https://doi.org/10.3390/jsan11030032
.
32.
Kethineni, K.; Gera, P. Iot-Based Privacy-Preserving Anomaly Detection Model for Smart Agriculture. Systems 2023, 11, 304.
https://doi.org/10.3390/systems11060304
.
33.
Ferrag, M.A.; Friha, O.; Hamouda, D.; Maglaras, L.; Janicke, H. Edge-IIoTset: A New Comprehensive Realistic Cyber Security
Dataset of IoT and IIoT Applications for Centralized and Federated Learning. IEEE Access 2022, 10, 40281–40306.
https:
//doi.org/10.1109/ACCESS.2022.3165809
.
34.
Tareq, I.; Elbagoury, B.M.; El-Regaily, S.; El-Horbaty, E.S.M. Analysis of ToN-IoT, UNW-NB15, and Edge-IIoT Datasets Using DL
in Cybersecurity for IoT. Appl. Sci. 2022, 12, 9572.
https://doi.org/10.3390/app12199572
.


Mathematics 2024, 12, 571
26 of 26
35.
Khacha, A.; Saadouni, R.; Harbi, Y.; Aliouat, Z. Hybrid Deep Learning-based Intrusion Detection System for Industrial Internet
of Things. In Proceedings of the 2022 5th International Symposium on Informatics and its Applications (ISIA), M’sila, Algeria,
29–30 November 2022; pp. 1–6.
https://doi.org/10.1109/ISIA55826.2022.9993487
.
36.
Tomar, K.; Bisht, K.; Joshi, K.; Katarya, R. Cyber Attack Detection in IoT using Deep Learning Techniques. In Proceedings of the
2023 6th International Conference on Information Systems and Computer Networks (ISCON), Mathura, India, 3–4 March 2023;
pp. 1–6.
https://doi.org/10.1109/ISCON57294.2023.10111990
.
37.
Ding, W.; Abdel-Basset, M.; Mohamed, R. DeepAK-IoT: An effective deep learning model for cyberattack detection in IoT
networks. Inf. Sci. 2023, 634, 157–171.
https://doi.org/10.1016/j.ins.2023.03.052
.
38.
Koppula, M.; I, L.J.L.M. LNKDSEA: Machine Learning Based IoT/IIoT Attack Detection Method. In Proceedings of the
2023 International Conference on Advances in Electronics, Communication, Computing and Intelligent Information Systems
(ICAECIS), Bengaluru, India, 19–21 April 2023; pp. 655–662.
https://doi.org/10.1109/ICAECIS58353.2023.10170095
.
39.
Salih, K.M.M.; Ibrahim, N.B. Enhancing IoT Forensics through Deep Learning: Investigating Cyber-Attacks and Analyzing
Big Data for Improved Security Measures. In Proceedings of the 2023 4th International Conference on Big Data Analytics and
Practices (IBDAP), Bangkok, Thailand, 25–27 August 2023; pp. 1–8.
https://doi.org/10.1109/IBDAP58581.2023.10271950
.
40.
Ullah, S.; Boulila, W.; Koubâa, A.; Ahmad, J. MAGRU-IDS: A Multi-Head Attention-Based Gated Recurrent Unit for Intrusion
Detection in IIoT Networks. IEEE Access 2023, 11, 114590–114601.
https://doi.org/10.1109/ACCESS.2023.3324657
.

Download 6 Mb.
1   ...   8   9   10   11   12   13   14   15   16




Download 6 Mb.
Pdf ko'rish

Bosh sahifa
Aloqalar

    Bosh sahifa



Next–Generation Intrusion Detection for Iot evcs: Integrating cnn, lstm, and gru models

Download 6 Mb.
Pdf ko'rish