Loss-Aware Attention-Based Dual Feature Selection for Handling Imbalanced IoT Intrusion Detection
본 논문은 MIC와 mRMR을 이용한 전역 특징 선택과 손실 인지 어텐션 트랜스포머를 결합하여 특징 중복과 클래스 불균형 문제를 효과적으로 해결함으로써, UNSW-NB15 데이터셋에서 Deep BiLSTM보다 우수한 침입 탐지 성능을 달성하는 DFLA-IDS 프레임워크를 제안한다.