Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT

Las redes IoT presentan un alto crecimiento y se espera una adopción masiva en los próximos años. Sin embargo, las diferencias de estas redes frente a las redes tradicionales así plantean retos para su seguridad. Los Sistemas de Detección de Intrusos cobran mayor importancia en este contexto. En este trabajo se entrenan dos modelos de Machine Learning para un Sistema de Detección de Intrusos con el fin de detectar ataques de tipo DoS, Backdoor y Reconnaissance: Support Vector Machine y TabNet. Los modelos son evaluados utilizando principalmente la métrica de recall y se realiza una comparación de estos. El modelo de mejor desempeño (TabNet) logra detectar aproximadamente 100% de los ataques, pero posee retos en el número de falsas alarmas al tener una tasa de estas de 50%, y también presenta limitaciones en la identificación del tipo exacto de ataque.

• Autores: Polanía Arias, Leonel Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/55526
• Acceso en línea: http://hdl.handle.net/1992/55526
• Palabra clave: IoT; Sistemas de detección de intrusos; Machine learning; Deep learning; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/