logo móvil
logo tablet

Cookies y Privacidad

Usamos cookies propias y de terceros para mejorar la experiencia de nuestros usuarios, analizar el tráfico del sitio y personalizar contenido. Si continúas navegando, asumimos que aceptas su uso. Para más información, consulta nuestra Política de Cookies

Detección de ataques de botnet mediante un modelo CNN-LSTM para aplicaciones del Internet de las cosas

El Internet de las Cosas (IoT) ha crecido rápidamente y, en la actualidad, es explotado por ataques cibernéticos en dispositivos IoT. Un sistema preciso para identificar ataques maliciosos en el entorno de IoT se ha vuelto muy importante para minimizar los riesgos de seguridad en los dispositivos IoT. Los ataques de botnets se encuentran entre los más graves y extendidos, y amenazan a los dispositivos IoT. Los dispositivos IoT inmóviles presentan una debilidad de seguridad debido a la falta de memoria y resultados computacionales suficientes para una plataforma de seguridad. Además, numerosos sistemas existentes se presentan para encontrar patrones desconocidos en las redes de IoT para mejorar la seguridad. En este estudio, se propuso un algoritmo de aprendizaje profundo híbrido, una red neuronal convolucional y de memoria a corto plazo (CNN-LSTM), para detectar ataques de botnets, específicamente, BASHLITE y Mirai, en nueve dispositivos IoT comerciales. Se realizó una extensa investigación empírica empleando un conjunto de datos N-B

Autores: Alkahtani, Hasan; Aldhyani, Theyazn H. H.

Idioma: Inglés

Editor: Hindawi

Año: 2021

Disponible con Suscripción Virtualpro

Artículos


Categoría

Ingeniería y Tecnología

Licencia

Atribución – Compartir igual

Consultas: 7

Citaciones: Sin citaciones


Hindawi

Security and Communication Networks

Volume , Article ID 3806459, 23 pages

https://doi.org/10.1155/2021/3806459

Alkahtani Hasan1, Aldhyani Theyazn H. H.2

College of Computer Science and Information Technology Saudi Arabia, Community College of Abqaiq Saudi Arabia

Academic Editor: Meraoumia Abdallah

Contact: @hindawi.com

Descripción
El Internet de las Cosas (IoT) ha crecido rápidamente y, en la actualidad, es explotado por ataques cibernéticos en dispositivos IoT. Un sistema preciso para identificar ataques maliciosos en el entorno de IoT se ha vuelto muy importante para minimizar los riesgos de seguridad en los dispositivos IoT. Los ataques de botnets se encuentran entre los más graves y extendidos, y amenazan a los dispositivos IoT. Los dispositivos IoT inmóviles presentan una debilidad de seguridad debido a la falta de memoria y resultados computacionales suficientes para una plataforma de seguridad. Además, numerosos sistemas existentes se presentan para encontrar patrones desconocidos en las redes de IoT para mejorar la seguridad. En este estudio, se propuso un algoritmo de aprendizaje profundo híbrido, una red neuronal convolucional y de memoria a corto plazo (CNN-LSTM), para detectar ataques de botnets, específicamente, BASHLITE y Mirai, en nueve dispositivos IoT comerciales. Se realizó una extensa investigación empírica empleando un conjunto de datos N-B

Documentos Relacionados

Temas Virtualpro