Resumen

Con el aumento de datos en la red, la carga de servidores y enlaces de comunicación se vuelve cada vez más pesada. La informática en el borde puede aliviar este problema. Debido a un mar de contenidos maliciosos en la Darknet, tiene un alto valor de investigación combinar la informática en el borde con la detección y análisis de contenido. Por lo tanto, este artículo ilustra un sistema de clasificación inteligente basado en aprendizaje automático y Scrapy que puede detectar y juzgar rápidamente categorías de servicios con contenidos maliciosos. Debido a la falta de divulgación y al corto tiempo de supervivencia de los nombres de dominio de la Darknet de Tor, obtener los localizadores uniformes de recursos (URL) y recursos de la red es un desafío. En este artículo, nos enfocamos en una red basada en el sistema de comunicación anónima Onion Router (tor). Diseñamos un programa rastreador para obtener los contenidos de la red Tor y clasificarlos en seis clases. También construimos un conjunto de datos que contiene URLs, categorías y palabras clave. La informática en el borde se utiliza para juzgar la categoría de los sitios web. La precisión del clasificador basado en un algoritmo de aprendizaje automático es tan alta como 89%. El clasificador se utilizará en un sistema operativo que puede ayudar a los investigadores a obtener rápidamente contenidos maliciosos y categorizar servicios ocultos.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Aumento; Edge computing; Darknet; Sistema de clasificación; Aprendizaje automático; Red Tor
• Keywords:Increase; Edge computing; Darknet; Classification system; Machine learning; Tor network