Revista de Engenharia da Computação e Tecnologia da Informação

Detecção de ataques DDoS na Internet das Coisas usando algoritmos de aprendizagem automática não supervisionada

Hailyie Tekleselassie*

O aumento da implementação de redes IoT melhorou a produtividade dos humanos e das organizações. No entanto, as redes IoT estão a tornar-se cada vez mais plataformas para o lançamento de ataques DDoS devido à segurança inerentemente mais fraca e à natureza limitada de recursos dos dispositivos IoT. Este artigo centra-se na deteção de ataques DDoS em redes IoT, classificando os pacotes de rede recebidos na camada de transporte como “Suspeitos” ou “Benignos” utilizando algoritmos de aprendizagem automática não supervisionada. Neste trabalho, dois algoritmos de aprendizagem profunda e dois algoritmos de clustering foram treinados de forma independente para mitigar ataques DDoS. Colocamos ênfase nos ataques DDOS baseados em exploração, que incluem ataques TCP SYN-Flood e ataques UDP-Lag. Utilizámos o conjunto de dados Mirai, BASHLITE e CICDDoS2019 no treino dos algoritmos durante a fase de experimentação. A pontuação de precisão e a pontuação de informação mútua normalizada são utilizadas para quantificar o desempenho de classificação dos quatro algoritmos. Os nossos resultados mostram que o autoencoder teve o melhor desempenho global com a maior precisão em todos os conjuntos de dados.