Newest papers

AIRO: A Streaming-Based Machine Learning Framework for Threat Detection and Security in Industrial Internet of Things

Raima Deb, Pranav Mothabhau Pawar, Mithun Mukherjee, Raja Muthalagu, Mian Guo · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.30713 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Các ứng dụng Internet of Things (IIoT) hiện đại hiện nay kết nối các cổng cạnh, các bảng điều khiển đám mây và các ứng dụng kinh doanh. Điều này cải thiện khả năng hiển thị và giám sát từ xa. Tuy nhiên, đồng thời nó phơi bày lưu lượng truy cập công nghiệp với các mối đe dọa mạng khác nhau bao gồm quét, tấn công web và tiêm ngôn ngữ truy vấn có cấu trúc (SQL) (SQLi), trộm cắp thông tin dựa trên đám mây và hoạt động lệnh và kiểm soát (C2). Mặc dù các công cụ dựa trên quy tắc vẫn hữu ích để phát hiện các chữ ký đã biết, hiệu quả của chúng giảm với các cuộc tấn công bị thay đổi tối thiểu hoặc khi cảnh báo yêu cầu điều tra thủ công. Bài báo này trình bày AIRO (Autonomous Intelligence-Driven Cybersecurity Creden

Machine translation (Meta M2M100); the English original follows.

Abstract

Modern Industrial Internet of Things (IIoT) im- plementations now connect edge gateways, cloud dashboards and business applications. This improves visibility and remote monitoring. However it simultaneously exposes industrial traffic to various cyber threats including scanning, web attacks and Structured Query Language (SQL) injection (SQLi), phishing- driven credential theft, and command-and-control (C2) activity. Although rule-based tools remain useful for detecting known signatures, their efficacy decreases with minimally altered attacks or when alerts require manual investigation. This paper presents AIRO (Autonomous Intelligence-Driven Cybersecurity Risk Re- duction System), an efficient framework for IIoT monitoring and response. AIRO combines Apache Kafka streaming, attack- specific feature extraction, machine learning (ML) inference, confidence-based decision logic and risk reduction measures such as Internet Protocol (IP) blocking, account suspension and traffic limiting. We developed four specialized datasets for C2 beaconing, reconnaissance, SQLi, and phishing to evaluate AIRO. These datasets include noisy and overlapping characteristic distribu- tions to minimize label leakage. The best-performing models, primarily Gradient Boosting and LightGBM, achieve F1-scores up to 0.9229 while ensuring low-latency from event input to mitigation

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Computer security, The Internet, Cloud computing, Credential, Machine learning

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange