Resumen

La detección de anomalías en el tráfico de red es un tema de investigación candente y en curso, especialmente cuando se trata de dispositivos IoT, que se están extendiendo rápidamente en diversas situaciones de la vida de las personas y, al mismo tiempo, son propensos a ser atacados a través de diferentes puntos débiles. En este documento, abordamos el emergente problema de detección de anomalías en IoT, integrando cinco conjuntos de datos diferentes de tráfico anormal de IoT y evaluándolos con un enfoque de aprendizaje profundo capaz de identificar tanto el tráfico normal como malicioso de IoT, así como diferentes tipos de anomalías. El gran conjunto de datos integrado tiene como objetivo proporcionar un punto de referencia realista y aún faltante para el tráfico normal y anormal de IoT, con datos provenientes de diferentes escenarios de IoT. Además, el enfoque de aprendizaje profundo ha sido enriquecido a través de una fase adecuada de optimización de hiperparámetros, una fase de reducción de características mediante el uso de una red neuronal auto-codificadora y un estudio de la robust

• 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:Detección de anomalías; Tráfico de red; Dispositivos IoT; Enfoque de aprendizaje profundo; Tráfico anormal; Conjunto de datos
• Keywords:Anomaly detection; Network traffic; IoT devices; Deep learning approach; Abnormal traffic; Dataset