logo móvil
Contáctanos

Desarrollo y evaluación de un nuevo banco de pruebas de IoT para mejorar la seguridad con detección de amenazas basada en aprendizaje automático

Autores: Farag, Waleed; Wu, Xin-Wen; Ezekiel, Soundararajan; Rado, Drew; Lassinger, Jaylee

Idioma: Inglés

Editor: Paul Davidsson

Año: 2025

Ver Artículo OA

Acceso abierto

Artículo OA


Categoría

Procesos industriales

Subcategoría

Automatización industrial

Palabras clave

Internet de las cosas
Aprendizaje automático
Detección de anomalías
Escaneo de puertos
Detección de amenazas
Desarrollo de banco de pruebas

Licencia

CC BY – Atribución

Consultas: 38

Citaciones: Ingeniería de software y ciberseguridad


Descripción

Este artículo aborda los desafíos de ciberseguridad en el Internet de las Cosas (IoT), derivados de la proliferación masiva de dispositivos con recursos limitados y protecciones insuficientes frente a ataques como accesos no autorizados y denegación de servicio. Este estudio destaca las limitaciones de las soluciones tradicionales y la escasez de conjuntos de datos realistas para entrenar modelos de machine learning aplicados a la seguridad IoT. Como principal contribución, se presenta un testbed físico de oficina/hogar inteligente que replica un entorno real, integrando sensores, cámaras, enchufes inteligentes y estaciones de trabajo para generar tráfico auténtico. El entorno permite simular múltiples escenarios de ataque y evaluar sistemas de detección de anomalías basados en ML. Los resultados experimentales demuestran un alto rendimiento, alcanzando hasta 99,97 % de precisión con XGBoost y mejoras significativas con SVM frente a conjuntos de datos de referencia como IoT-23.

Documentos Relacionados

Temas Virtualpro