Resumen

El 5G está a punto de abrir la caja de Pandora de las amenazas de seguridad para el Internet de las Cosas (IoT). Tecnologías clave, como la virtualización de funciones de red y el cómputo en el borde introducidos por la red 5G, traen nuevas amenazas y riesgos de seguridad a la infraestructura de Internet. Por lo tanto, se requiere una mayor detección y defensa contra malware. Hoy en día, el aprendizaje profundo (DL, por sus siglas en inglés) se utiliza ampliamente en la detección de malware. Recientemente, la investigación ha demostrado que los ataques adversarios representan un peligro para los modelos basados en DL. El problema clave para mejorar el rendimiento antiataque de los sistemas de detección de malware que se utilizan para detectar ataques adversarios es generar muestras adversarias efectivas. Sin embargo, numerosos métodos existentes para generar muestras adversarias son extracción manual de características o uso de modelos de caja blanca, lo que hace que no sea aplicable en escenarios reales. Este artículo presenta un mar

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Internet de las cosas; Amenazas de seguridad; Red 5G; Detección de malware; Ataques adversarios; Aprendizaje profundo.
• Keywords:Internet of things; Security threats; 5g network; Malware detection; Adversarial attacks; Deep learning