Inteligente aprendizaje profundo para detección de intrusiones basada en anomalías en redes domésticas inteligentes de IoT
Autores: Butt, Nazia; Shahid, Ana; Qureshi, Kashif Naseer; Haider, Sajjad; Ibrahim, Ashraf Osman; Binzagr, Faisal; Arshad, Noman
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Internet de las cosas
Dispositivos inteligentes
Violaciones de seguridad
Sistemas de detección de intrusos
Técnicas de aprendizaje automático
Detección de intrusos basada en anomalías.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
El Internet de las Cosas (IoT) es una tremenda red basada en dispositivos inteligentes conectados. Estas redes detectan y transmiten datos utilizando estándares avanzados de comunicación y tecnologías. El hogar inteligente es una de las áreas de las redes de IoT, donde los electrodomésticos están conectados a internet y a redes inteligentes. Sin embargo, estas redes están en alto riesgo en términos de violaciones de seguridad. Se han llevado a cabo diferentes tipos de ataques en estas redes donde el usuario perdió sus datos. Los sistemas de detección de intrusiones (IDS) se utilizan para detectar y prevenir ciberataques. Estos sistemas se basan en técnicas de aprendizaje automático y profundo y todavía sufren de problemas de ajuste o sobreajuste. Este documento propone una solución novedosa para la detección de intrusiones basada en anomalías para redes domésticas inteligentes. El modelo propuesto aborda problemas de sobreajuste/subajuste y garantiza un alto rendimiento en términos de hibridación. La solución propuesta utiliza selección de características y ajuste de hiperparámetros y fue probada con un conjunto de datos existente. Los resultados experimentales indicaron un aumento significativo en el rendimiento al tiempo que se minimizaban la clasificación errónea y otras limitaciones en comparación con las soluciones de vanguardia.
Descripción
El Internet de las Cosas (IoT) es una tremenda red basada en dispositivos inteligentes conectados. Estas redes detectan y transmiten datos utilizando estándares avanzados de comunicación y tecnologías. El hogar inteligente es una de las áreas de las redes de IoT, donde los electrodomésticos están conectados a internet y a redes inteligentes. Sin embargo, estas redes están en alto riesgo en términos de violaciones de seguridad. Se han llevado a cabo diferentes tipos de ataques en estas redes donde el usuario perdió sus datos. Los sistemas de detección de intrusiones (IDS) se utilizan para detectar y prevenir ciberataques. Estos sistemas se basan en técnicas de aprendizaje automático y profundo y todavía sufren de problemas de ajuste o sobreajuste. Este documento propone una solución novedosa para la detección de intrusiones basada en anomalías para redes domésticas inteligentes. El modelo propuesto aborda problemas de sobreajuste/subajuste y garantiza un alto rendimiento en términos de hibridación. La solución propuesta utiliza selección de características y ajuste de hiperparámetros y fue probada con un conjunto de datos existente. Los resultados experimentales indicaron un aumento significativo en el rendimiento al tiempo que se minimizaban la clasificación errónea y otras limitaciones en comparación con las soluciones de vanguardia.