Loss-Aware Attention-Based Dual Feature Selection for Handling Imbalanced IoT Intrusion Detection
本論文は、MICおよびmRMRを用いたグローバルな特徴量選択と、損失を考慮したアテンション・トランスフォーマーを組み合わせることで、特徴量の冗長性とクラス不均衡に効果的に対処し、UNSW-NB15データセットにおいてDeep BiLSTMよりも優れた侵入検知性能を実現するDFLA-IDSフレームワークを提案する。