張哲誠老師指導吳柏廷、黃柏凱獲最佳論文獎

本篇論文題目為「TabNet with Adaptive Mechanism for Interpretable IoT Intrusion Detection」,主要探討物聯網(IoT)裝置快速普及,連結工廠、家庭與醫院等場域,但許多裝置運算資源有限、安全防護薄弱,容易成為駭客攻擊的目標,因此可靠的網路入侵偵測系統(Intrusion Detection System, IDS)格外重要。本研究採用專為表格資料設計的深度學習模型TabNet,它在每個決策步驟中以注意力遮罩挑選重要特徵,具備一般深度學習模型少有的可解釋性;然而遮罩的稀疏程度由超參數α決定,過去必須在訓練前人工設定且固定不變,設定不當便可能忽略關鍵特徵或納入無關特徵。因此,本文將α改為可在訓練過程中自動學習的參數,並設計四種學習策略,免除反覆人工調參的成本。在HIKARI-2021真實網路流量資料集上的實驗結果顯示,其中最簡單的global α策略表現最佳,與原始的sparsemax相比,recall由70.93%提升至79.11%,F1 score由64.42%提升至67.41%,同時保留注意力遮罩的可解釋性,能指出與各類攻擊最相關的流量特徵。

本屆會議「8th Eurasia Conference on IoT, Communication and Engineering 2026」於2026年11月13日至15日在雲林舉行,來自各地的研究人員齊聚一堂,交流物聯網、通訊與工程領域的最新研究成果,我們也很高興能在會議中與大家分享這項研究的成果與心得。