💻 computer science

Carbon-Aware Intrusion Detection: A Comparative Study of Supervised and Unsupervised DRL for Sustainable IoT Edge Gateways

यह शोध पत्र दो नवीन डीप रिइन्फोर्समेंट लर्निंग-आधारित घुसपैठ पहचान प्रणालियों, DeepEdgeIDS और AutoDRL-IDS का प्रस्ताव और मूल्यांकन करता है, जो संसाधन-सीमित IoT एज गेटवे पर DDoS हमलों को कम करने के लिए उच्च पहचान सटीकता और ऊर्जा दक्षता प्राप्त करने हेतु कार्बन-जागरूक बहु-उद्देश्यीय रिवॉर्ड फॉर्मुलेशन को एकीकृत करते हैं।

मूल लेखक: Saeid Jamshidi, Foutse Khomh, Kawser Wazed Nafi, Amin Nikanjam, Samira Keivanpour, Omar Abdul-Wahab, Martine Bellaiche

प्रकाशित 2026-05-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Saeid Jamshidi, Foutse Khomh, Kawser Wazed Nafi, Amin Nikanjam, Samira Keivanpour, Omar Abdul-Wahab, Martine Bellaiche

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य चित्र: "स्मार्ट सिटी" की सुरक्षा करना, बिना ग्रह को जलाए

कल्पना कीजिए कि इंटरनेट ऑफ थिंग्स (IoT) एक विशाल, हलचल भरे शहर की तरह है जहाँ अरबों स्मार्ट उपकरण (जैसे थर्मोस्टेट, कैमरे और सेंसर) लगातार एक-दूसरे से बात कर रहे हैं। इस शहर के हर मोहल्ले के प्रवेश द्वार पर एक सुरक्षा गार्ड है, जिसे एज गेटवे (Edge Gateway) कहा जाता है।

यह शोध पत्र इन सुरक्षा गार्डों की दो बड़ी समस्याओं को संबोधित करता है:

वे बहुत कठोर हैं: पारंपरिक गार्ड केवल उन्हीं अपराधियों को पहचानते हैं जिन्हें उन्होंने पहले देखा है (जैसे कि एक "वांटेड" पोस्टर)। यदि कोई अपराधी नया मुखौटा पहनकर आता है (एक "जीरो-डे" हमला), तो गार्ड उसे चूक जाता है।
वे बहुत भारी हैं: गार्ड इतने बुद्धिमान बनने की कोशिश कर रहे हैं कि वे बैटरी जला रहे हैं और एक बड़ा कार्बन फुटप्रिंट बना रहे हैं, जो पर्यावरण के लिए बुरा है।

लेखक डीप रिइन्फोर्समेंट लर्निंग (DRL) पर आधारित दो नए प्रकार के "सुपर गार्ड्स" का प्रस्ताव देते हैं। DRL को एक ऐसे गार्ड के रूप में सोचें जो केवल नियम पुस्तिका को याद नहीं करता, बल्कि काम करके और दुनिया का अनुभव करके सीखता है, और लगातार खतरों को पहचानने में बेहतर होता जाता है।

दो नए गार्ड: DeepEdgeIDS और AutoDRL-IDS

यह शोध पत्र इन गार्डों को प्रशिक्षित करने के दो अलग-अलग दृष्टिकोण पेश करता है।

1. DeepEdgeIDS: "सहज जासूस" (Unsupervised/असुपरवाइज्ड)

यह कैसे काम करता है: एक ऐसे जासूस की कल्पना करें जिसने पहले कभी किसी अपराधी को नहीं देखा है। "वांटेड" पोस्टर देखने के बजाय, यह जासूस कुछ समय तक शहर को देखकर यह सीखता है कि "सामान्य" ट्रैफ़िक कैसा दिखता है। वे "सामान्य" का एक मानसिक मॉडल बनाते हैं।
ट्रिक: जब कुछ अजीब होता है (जैसे अचानक लोगों का एक दिशा में भागना), तो जासूस को यह बताने के लिए किसी लेबल की आवश्यकता नहीं होती कि "यह एक दंगा है।" वे बस जानते हैं, "हे, यह पैटर्न में फिट नहीं बैठता!" और वे तुरंत इसे फ्लैग कर देते हैं।
सुपरपावर: क्योंकि उन्हें पहले से लिखे गए अपराधों की सूची की आवश्यकता नहीं है, इसलिए वे बिल्कुल नए, अज्ञात हमलों (zero-day threats) को पकड़ने में अविश्वसनीय रूप से सक्षम हैं।
लागत: इतने तेज रहने के लिए, यह जासूस लगातार स्थिति का पुनर्मूल्यांकन करता रहता है, जिसमें थोड़ी अधिक ऊर्जा और CPU पावर लगती है।

2. AutoDRL-IDS: "अनुभवी पुलिसकर्मी" (Supervised/सुपरवाइज्ड)

यह कैसे काम करता है: इस गार्ड को पिछले मामलों के एक विशाल पुस्तकालय पर प्रशिक्षित किया गया है जहाँ परिणाम पहले से ज्ञात थे (लेबल वाला डेटा)। वे एक अनुभवी पुलिसकर्मी की तरह हैं जिन्होंने हजारों "वांटेड" पोस्टरों का अध्ययन किया है और जानते हैं कि बैंक लुटेरा कैसा दिखता है।
ट्रिक: वे घटनाओं के क्रम (sequence) को याद रखने के लिए एक विशिष्ट मेमोरी टूल (LSTM) का उपयोग करते हैं। यदि वे एक ऐसा पैटर्न देखते हैं जो किसी ज्ञात अपराध से मेल खाता है, तो वे तेजी से कार्य करते हैं।
सुपरपावर: वे बहुत कुशल और स्थिर हैं। एक बार जब वे नियम जान जाते हैं, तो उन्हें बहुत अधिक सोचने की आवश्यकता नहीं होती, इसलिए वे ऊर्जा बचाते हैं और कम गर्मी पैदा करते हैं।
कमजोरी: यदि कोई अपराधी ऐसी पूरी तरह से नई विधि का उपयोग करता है जो उनके पुस्तकालय में नहीं है, तो वे इसे मिस कर सकते हैं या इसे समझने में अधिक समय ले सकते हैं।

"कार्बन-जागरूक" मोड़: पर्यावरण के अनुकूल रिवॉर्ड सिस्टम

आमतौर पर, सुरक्षा प्रणालियाँ केवल एक ही चीज़ की परवाह करती हैं: "क्या आपने अपराधी को पकड़ा?"

यह शोध पत्र इस खेल में एक नया नियम जोड़ता है। गार्ड्स को अब न केवल अपराधी को पकड़ने के लिए, बल्कि इस बात के लिए भी पुरस्कृत किया जाता है कि वे इसे कितनी कुशलता से करते हैं।

स्कोरबोर्ड: हर बार जब गार्ड कोई निर्णय लेता है, तो उसे खतरे को पकड़ने के लिए अंक मिलते हैं, लेकिन उसके अंक कट जाते हैं यदि वे:
- बहुत अधिक समय लेते हैं (Latency)।
- बहुत अधिक मेमोरी (RAM) का उपयोग करते हैं।
- बहुत अधिक बिजली जलाते हैं (Energy)।
- बहुत अधिक कार्बन प्रदूषण पैदा करते हैं।

इसे एक वीडियो गेम की तरह समझें जहाँ आपको जीतने के लिए "गोल्ड स्टार" मिलता है, लेकिन यदि आप बहुत अधिक पावर-अप का उपयोग करते हैं, तो आपको "ब्रोंज स्टार" मिलता है। यह सिस्टम AI को हमले को रोकने के सबसे स्मार्ट और सबसे हरित तरीके को खोजने के लिए मजबूर करता है।

परिणाम: दौड़ में कौन जीता?

शोधकर्ताओं ने वास्तविक दुनिया के एक "शहर" (वास्तविक राउटर और उपकरणों वाले एक भौतिक टेस्टबेड) में हमले के दौरान दोनों गार्डों का परीक्षण किया।

1. अपराधियों को पकड़ना (सटीकता/Accuracy):

सहज जासूस (DeepEdgeIDS) जीत गया। इसने 98% हमलों को पकड़ा, जिनमें कठिन नए हमले भी शामिल थे। यह प्रतिक्रिया देने में तेज़ था क्योंकि इसे लाइब्रेरी चेक करने की आवश्यकता नहीं थी; इसने बस ट्रैफ़िक की "असामान्यता" को महसूस किया।
अनुभवी पुलिसकर्मी (AutoDRL-IDS) ने भी अच्छा प्रदर्शन किया, इसने 94% हमलों को पकड़ा, लेकिन यह बिल्कुल नए तरीकों के अनुकूल होने में थोड़ा धीमा था।

2. बिजली का बिल (स्थिरता/Sustainability):

अनुभवी पुलिसकर्मी (AutoDRL-IDS) यहाँ विजेता रहा। क्योंकि यह अपने पूर्व-सीखे गए नियमों पर निर्भर था, इसने कम बिजली खर्च की और कम कार्बन पैदा किया। यह स्थिर वातावरण के लिए "हरा" विकल्प था।
सहज जासूस (DeepEdgeIDS) ने अधिक ऊर्जा का उपयोग किया। इसे वास्तविक समय में अपने दिमाग को अपडेट करने और "सोचने" के लिए लगातार प्रयास करना पड़ता था। हालाँकि, शोध पत्र का तर्क है कि अज्ञात खतरों के खिलाफ अतिरिक्त सुरक्षा प्रदान करने के लिए यह अतिरिक्त ऊर्जा सार्थक है।

3. गति (Speed):

DeepEdgeIDS निर्णय लेने में तेज़ था (कम लेटेंसी) क्योंकि इसे कॉल करने के लिए इतिहास के लंबे अनुक्रमों को प्रोसेस करने की आवश्यकता नहीं थी। इसने तुरंत "असामान्यता" पर प्रतिक्रिया दी।

निष्कर्ष

शोध पत्र निष्कर्ष निकालता है कि कोई एक अकेला "परफेक्ट" गार्ड नहीं है। यह इस पर निर्भर करता है कि आपको क्या चाहिए:

यदि आपको अज्ञात, विकसित होते खतरों के खिलाफ अधिकतम सुरक्षा चाहिए और आप थोड़ी अतिरिक्त ऊर्जा खर्च कर सकते हैं, तो DeepEdgeIDS (सहज जासूस) चुनें।
यदि आपको अधिकतम दक्षता चाहिए और आपके खतरे ज्यादातर ज्ञात हैं, तो AutoDRL-IDS (अनुभवी पुलिसकर्मी) चुनें।

दोनों प्रणालियाँ यह सिद्ध करती हैं कि हम इंटरनेट ऑफ थिंग्स के लिए ऐसी स्मार्ट सुरक्षा बना सकते हैं जो न केवल प्रभावी है बल्कि ऊर्जा उपयोग और कार्बन उत्सर्जन को नियंत्रित रखकर पर्यावरण की भी परवाह करती है।

तकनीकी सारांश: संधारणीय (Sustainable) IoT एज गेटवे के लिए कार्बन-जागरूक घुसपैठ का पता लगाने वाली प्रणाली (Intrusion Detection)

समस्या विवरण
इंटरनेट ऑफ थिंग्स (IoT) के तीव्र विस्तार ने साइबर सुरक्षा चुनौतियों को बढ़ा दिया है, विशेष रूप से नेटवर्क एज पर डिस्ट्रीब्यूटेड डिनायल-ऑफ-सर्विस (DDoS) हमलों के संबंध में। पारंपरिक घुसपैठ का पता लगाने वाली प्रणालियाँ (IDS) महत्वपूर्ण सीमाओं का सामना करती हैं: वे स्थिर हस्ताक्षरों (static signatures) पर निर्भरता के कारण ज़ीरो-डे हमलों (zero-day attacks) से निपटने में संघर्ष करती हैं, विसंगति-आधारित मॉडलों में अक्सर उच्च फाल्स-पॉजिटिव दर उत्पन्न करती हैं, और गतिशील ट्रैफ़िक के प्रति अनुकूलन क्षमता की कमी होती है। इसके अलावा, मौजूदा डीप रीइन्फोर्समेंट लर्निंग (DRL) दृष्टिकोण अक्सर स्थिरता कारकों की अनदेखी करते हैं। वे डीप लर्निंग ऑपरेशन्स के ऊर्जा दक्षता और कार्बन फुटप्रिंट को ध्यान में रखने में विफल रहते हैं, जो बड़े पैमाने पर, संसाधन-सीमित IoT एज गेटवे के लिए तेजी से महत्वपूर्ण होता जा रहा है। अनुकूलन क्षमता (विकसित होते खतरों का पता लगाना) और संधारणीयता (पर्यावरणीय प्रभाव को कम करना) दोनों को एक साथ संबोधित करने में एक शोध अंतराल मौजूद है।

कार्यप्रणाली (Methodology)
यह शोध पत्र दो नवीन DRL-आधारित IDS आर्किटेक्चर प्रस्तावित करता है जिन्हें एज गेटवे के लिए डिज़ाइन किया गया है, जिनमें दोनों में एक "कार्बन-जागरूक" बहु-उद्देश्यीय रिवॉर्ड फॉर्मूलेशन शामिल है जो डिटेक्शन प्रदर्शन, विलंबता (latency), मेमोरी उपयोग, ऊर्जा ओवरहेड और अनुमानित कार्बन उत्सर्जन को संयुक्त रूप से अनुकूलित करता है।

DeepEdgeIDS (Unsupervised AE-DRL Hybrid):
- आर्किटेटेक्चर: अनसुपरवाइज्ड फीचर एक्सट्रैक्शन के लिए एक ऑटोएनकोडर (AE) को अडैप्टिव मिटिगेशन के लिए एक डीप क्यू-नेटवर्क (DQN) के साथ एकीकृत करता है।
- तंत्र: AE सौहार्दपूर्ण (benign) ट्रैफ़िक के संकुचित निरूपण (compressed representations) को सीखता है। विसंगतियों का पता पुनर्निर्माण त्रुटि ( $A_s$ ) के माध्यम से लगाया जाता है। यह त्रुटि, ट्रैफ़िक सांख्यिकी (पैकेट दर, SYN/ACK काउंट) के साथ मिलकर DQN एजेंट के लिए स्टेट वेक्टर बनाती है।
- लर्निंग पैराडाइम: लेबल-मुक्त ऑनलाइन सेटिंग में कार्य करता है। इसे वास्तविक समय में पॉलिसी सीखने के लिए ग्राउंड-ट्रुथ लेबल की आवश्यकता नहीं होती है।
- रिवॉर्ड फंक्शन: ग्राउंड-ट्रुथ मेट्रिक्स जैसे कि डिटेक्शन रेट या फाल्स-पॉजिटिव रेट के बजाय, तैनाती-उपलब्ध फीडबैक सिग्नल का उपयोग करता है, जिसमें विसंगति आत्मविश्वास (पुनर्निर्माण त्रुटि से प्राप्त) और मिटिगेशन के बाद ट्रैफ़िक स्थिरीकरण शामिल है।
- सैद्धांतिक आधार: बाउंडेड रिवार्ड्स के तहत बेलमैन कॉन्ट्रैक्शन प्रॉपर्टी के माध्यम से अभिसरण (convergence) सिद्ध है। स्थिरता को लियापुनोव विश्लेषण (Lyapunov analysis) के माध्यम से सुनिश्चित किया गया है, जो बाउंडेड पावर और कार्बन बाधाओं के तहत एसिम्प्टोटिक स्थिरता की गारंटी देता है।
AutoDRL-IDS (Supervised LSTM-DRL Model):
- आर्किटेक्चर: ट्रैफ़िक पैटर्न में टेम्पोरल डिपेंडेंसी (temporal dependencies) को कैप्चर करने के लिए एक लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM) नेटवर्क को DeepEdgeIDS की अवधारणा के साथ बढ़ाता है, जो एक DQN एजेंट के साथ जुड़ा हुआ है।
- तंत्र: डिटेक्शन पॉलिसियों को अनुकूलित करने के लिए ऑफलाइन सुपरवाइज्ड ट्रेनिंग के दौरान लेबल किए गए डेटा का लाभ उठाता है।
- लर्निंग पैराडाइम: ऑफलाइन सुपरवाइज्ड ट्रेनिंग को ऑनलाइन पॉलिसी अडैप्टेशन के साथ जोड़ता है।
- रिवॉर्ड फंक्शन: सुपरवाइज्ड ट्रेनिंग चरण के दौरान ग्राउंड-ट्रुथ-निर्भर मेट्रिक्स (डिटेक्शन रेट और फाल्स-पॉजिटिव रेट) को स्थिरता दंड (सस्टेनेबिलिटी पेनल्टीज़ - ऊर्जा, कार्बन, लेटेंसी) के साथ शामिल करता है।
- सैद्धांतिक आधार: ऊर्जा और मेमोरी बाधाओं को संभालने के लिए लैग्रेंजियन मल्टीप्लायर्स का उपयोग करके इसे एक कंस्ट्रेंड स्टोकेस्टिक कंट्रोल समस्या के रूप में तैयार किया गया है। अभिसरण को KKT (Karush-Kuhn-Tucker) स्थितियों और रॉबिंस-मोनरो स्टोकेस्टिक एप्रोक्सिमेशन के माध्यम से सिद्ध किया गया है।

प्रमुख योगदान

दोहरा पैराडाइम डिज़ाइन: दो अलग-अलग DRL-आधारित IDS समाधानों का परिचय: एक सुपरवाइज्ड LSTM-DRL मॉडल (AutoDRL-IDS) जो संरचित परिदृश्यों में सटीकता के लिए है और एक अनसुपरवाइज्ड AE-DRL हाइब्रिड (DeepEdgeIDS) जो लेबल-मुक्त विसंगति पहचान के लिए है।
कार्बन-जागरूक अनुकूलन: DRL रिवॉर्ड फंक्शन के भीतर कार्बन उत्सर्जन और ऊर्जा खपत को निरंतर फीडबैक वेरिएबल्स के रूप में स्पष्ट रूप से एकीकृत करना, जो संधारणीयता-जागरूक निर्णय लेने में सक्षम बनाता है।
वास्तविक-विश्व सत्यापन: लाइव DDoS हमलों के दौरान भौतिक एज गेटवे (Raspberry Pi 4) पर दोनों मॉडलों का तैनाती और मूल्यांकन, जो DRL-आधारित IDS का पहला कार्बन-जागरूक बेंचमार्किंग प्रदान करता है।
सैद्धांतिक और सांख्यिकीय कठोरता: बेलमैन कॉन्ट्रैक्शन और लियापुनोव स्थिरता विश्लेषण के माध्यम से DeepEdgeIDS के लिए अभिसरण का प्रमाण, जिसे कई मेट्रिक्स में प्रदर्शन अंतर को सांख्यिकीय रूप से मान्य करने के लिए एनालिसिस ऑफ वेरिएंस (ANOVA) द्वारा पूरक किया गया है।

प्रायोगिक परिणाम
मॉडलों का मूल्यांकन Bot-IoT डेटासेट और ESP32 उपकरणों तथा Raspberry Pi 4 गेटवे वाले एक भौतिक टेस्टबेड का उपयोग करके विभिन्न DDoS हमले के परिदृश्यों, जिसमें ज़ीरो-डे सिमुलेशन भी शामिल है, के तहत किया गया।

डिटेक्शन सटीकता: DeepEdgeIDS ने 98.0% सटीकता (ऑफलाइन मूल्यांकन) और 97.6% रिकॉल प्राप्त किया, जो AutoDRL-IDS से बेहतर रहा, जिसने 94.0% सटीकता प्राप्त की। DeepEdgeIDS ने ज़ीरो-डे हमलों और क्षणिक ट्रैफ़िक बर्स्ट के प्रति बेहतर अनुकूलन क्षमता प्रदर्शित की।
रिस्पॉन्स टाइम और लेटेंसी: DeepEdgeIDS ने AutoDRL-IDS की तुलना में कम लेटेंसी और तेज़ रिस्पॉन्स टाइम दिखाया (हमले की शुरुआत के 0.65 सेकंड के भीतर स्थिर होना)। ANOVA परिणामों ने पुष्टि की कि DeepEdgeIDS लेटेंसी दक्षता में काफी बेहतर था ( $p < 0.05$ )।
संसाधन दक्षता:
- ऊर्जा और कार्बन: AutoDRL-IDS ने उच्च ऊर्जा दक्षता और कम कार्बन उत्सर्जन प्रदर्शित किया, जो एक स्थिर प्रोफाइल बनाए रखता है जो सीमित उपकरणों के लिए उपयुक्त है। DeepEdgeIDS के निरंतर ऑनलाइन अनुकूलन और फीचर एक्सट्रैक्शन के कारण अधिक कुल CPU, ऊर्जा और कार्बन ओवरहेड हुआ।
- CPU और मेमोरी: AutoDRL-IDS ने कम CPU उपयोग (~35% के मुकाबले ~25% DeepEdgeIDS के लिए) बनाए रखा। मेमोरी उपयोग में अंतर सांख्यिकीय रूप से महत्वपूर्ण नहीं था, और दोनों मॉडल एज गेटवे के लिए स्वीकार्य सीमाओं के भीतर रहे।
सांख्यिकीय महत्व: ANOVA परीक्षणों ने पुष्टि की कि DeepEdgeIDS की बेहतर डिटेक्शन संभावना और लेटेंसी सांख्यिकीय रूप से महत्वपूर्ण थी, जबकि रिस्पॉन्स टाइम में अंतर महत्वपूर्ण नहीं था। प्रभाव आकार (effect size) ने संकेत दिया कि मॉडल आर्किटेक्चर डिटेक्शन प्रभावकारिता का एक प्रमुख कारक था।

महत्व और दावे
यह शोध पत्र यह दावा करते हुए एक नए संधारणीय साइबर सुरक्षा बेंचमार्क को स्थापित करने का कार्य करता है कि DRL-आधारित IDS को न केवल सटीकता के लिए, बल्कि पर्यावरणीय प्रभाव के लिए भी अनुकूलित किया जा सकता है। यह अध्ययन एक मौलिक ट्रेड-ऑफ को उजागर करता है: DeepEdgeIDS बेहतर अनुकूलन क्षमता, ज़ीरो-डे खतरों के प्रति तेज़ प्रतिक्रिया और उच्च डिटेक्शन सटीकता प्रदान करता है, लेकिन इसके लिए उच्च ऊर्जा और कार्बन खपत की आवश्यकता होती है। इसके विपरीत, AutoDRL-IDS एक अधिक ऊर्जा-कुशल, स्थिर और पूर्वानुमानित समाधान प्रदान करता है जो उन संसाधन-सीमित वातावरणों के लिए उपयुक्त है जहाँ प्रशिक्षण के लिए लेबल किए गए डेटा उपलब्ध हैं।

लेखक का तर्क है कि उनका कार्य शुद्ध डिटेक्शन सटीकता से आगे बढ़कर स्थिरता को एक मुख्य अनुकूलन उद्देश्य के रूप में शामिल करके एक महत्वपूर्ण अंतर को भरता है। वे निष्कर्ष निकालते हैं कि ये आर्किटेक्चर अगले पीढ़ी के IoT इकोसिस्टम के लिए स्व-अनुकूलित, संधारणीय सुरक्षा ढांचे के विकास को आगे बढ़ाते हैं, जो गतिशील एज नेटवर्क में सटीकता, संसाधन दक्षता और मजबूती के बीच संतुलन बनाने के लिए एक व्यावहारिक आधार प्रदान करते हैं।