Detección de ataques de reconocimiento en Redes IoT empleando modelos de Machine Learning

Abstract

El Internet de las Cosas (IoT) es una infraestructura global de la sociedad de la información, que permite ofrecer servicios avanzados mediante la interconexión de objetos y la interoperabilidad de la tecnología de la información y la comunicación. Es un campo de la tecnología que debido a sus múltiples aplicaciones se ha visto envuelto en un crecimiento exponencial en los últimos años. Este crecimiento no solo aumentó la cantidad de datos y dispositivos conectados, sino que también la cantidad de ataques realizados a este tipo de redes. Debido a esto, se ha vuelto una necesidad de la industria el facilitar la detección de este tipo de ataques de modo que la red no se vea afectada. En este proyecto se implementaron varios modelos de Machine Learning encargados de detectar ataques de reconocimiento de manera rápida y precisa en redes IoT. El modelo de con mejores resultados fue Random Forest, clasificando cerca del 98% de las trazas correctamente, con una tasa de 50.000 predicciones por 0,4 segundos.

The Internet of Things (IoT) is a global infrastructure of the information society, which makes it possible to offer advanced services through the interconnection of objects and the interoperability of information and communication technology. It is a field of technology that due to its multiple applications has been involved in an exponential growth in recent years. This growth has not only increased the amount of data and connected devices, but also the number of attacks carried out on this type of networks. Due to this, it has become a necessity for the industry to facilitate the detection of this type of attacks so that the network is not affected. In this project, several Machine Learning models were implemented to detect reconnaissance attacks quickly and accurately in IoT networks. The best performing model was Random Forest, classifying about 98% of the traces correctly, with a rate of 50,000 predictions per 0.4 seconds.