ParaChaos: Detección en tiempo real de ataques DDoS en aplicaciones utilizando pronósticos y la teoría del caos en redes de hogares inteligentes IoT.
Autores: Procopiou, Andria; Komninos, Nikos; Douligeris, Christos
Idioma: Inglés
Editor: Hindawi
Año: 2019
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 15
Citaciones: Sin citaciones
Recientemente, se han lanzado ataques D/DoS a través de dispositivos IoT zombis en redes domésticas inteligentes. Representan una gran amenaza para los sistemas de red, siendo los ataques de la capa de aplicación DDoS especialmente difíciles de detectar debido a su sigilo y aparente legitimidad. En este documento, proponemos ForChaos, un algoritmo de detección liviano para dispositivos IoT, que se basa en la predicción y la teoría del caos para identificar inundaciones y ataques DDoS. Para cada comportamiento de series temporales recopilado, se genera una predicción de técnica de pronóstico, basada en una serie de características, y se calcula el error entre los dos valores. Para evaluar el error del pronóstico respecto al valor real, se utiliza el exponente de Lyapunov para detectar posibles comportamientos maliciosos. En NS-3 evaluamos nuestro algoritmo de detección a través de una serie de experimentos en inundaciones y ataques DDoS de velocidad lenta. Los resultados se presentan y se discuten en
Descripción
Recientemente, se han lanzado ataques D/DoS a través de dispositivos IoT zombis en redes domésticas inteligentes. Representan una gran amenaza para los sistemas de red, siendo los ataques de la capa de aplicación DDoS especialmente difíciles de detectar debido a su sigilo y aparente legitimidad. En este documento, proponemos ForChaos, un algoritmo de detección liviano para dispositivos IoT, que se basa en la predicción y la teoría del caos para identificar inundaciones y ataques DDoS. Para cada comportamiento de series temporales recopilado, se genera una predicción de técnica de pronóstico, basada en una serie de características, y se calcula el error entre los dos valores. Para evaluar el error del pronóstico respecto al valor real, se utiliza el exponente de Lyapunov para detectar posibles comportamientos maliciosos. En NS-3 evaluamos nuestro algoritmo de detección a través de una serie de experimentos en inundaciones y ataques DDoS de velocidad lenta. Los resultados se presentan y se discuten en