Detección de amenazas en redes IoT empleando modelos híbridos de machine learning y redes neuronales

Abstract

El Internet de las cosas IoT es uno de los campos de que más despierta la imaginación de las personas que se enteran de este tipo de tecnologías por primera vez. Los dispositivos IoT han revolucionado en las últimas décadas la manera en que las personas se relacionan con los dispositivos y el entorno que los rodea, por su facilidad en la conexión de una amplia gama de objetos cotidianos a través de Internet y otros tipos de tecnologías de comunicación y transferencia. No obstante, también han incrementado conjuntamente el número de ataques y explosión de vulnerabilidades a este tipo de redes. Por lo que es menester para la industria, gobiernos y sector académico desarrollar mecanismos de defensa y mitigación ante estos ataques. En este trabajo se expone un modelo híbrido que combina técnicas de Machine Learning y Deep Learning con el propósito de detectar ataques de tipo DoS de manera temprana. Las técnicas que componen el modelo son una Red Neuronal Convolucional y Naive Bayes. El modelo híbrido presentó un desempeño favorable, clasificando satisfactoriamente más del 99% de los ataques con un tiempo de predicción menor a los 2 segundos.