Resumen

Con el rápido crecimiento de los dispositivos de Internet de las Cosas (IoT), también han surgido riesgos de seguridad. La preidentificación de los dispositivos IoT conectados a la red puede ayudar a los administradores a establecer políticas de seguridad correspondientes según la funcionalidad y la heterogeneidad de los dispositivos. Sin embargo, los métodos existentes se basan en características extraídas manualmente y conocimientos previos para identificar los dispositivos IoT, lo que aumenta la dificultad de la tarea de identificación de dispositivos y reduce la puntualidad. En este documento, presentamos CBBI, un enfoque novedoso para la identificación de dispositivos IoT. Por un lado, CBBI utiliza un modelo híbrido de red neuronal Conv-BiLSTM para aprender automáticamente las características espaciales y temporales representativas del tráfico de red, como la relación de posición de la estructura organizativa interna en el tráfico de comunicación de red, la secuencia temporal de los paquetes de datos y la duración del flujo de red. Por otro lado, CBBI contiene el módulo de aumento de datos FGAN que res

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Internet de las cosas; Riesgos de seguridad; Identificación de dispositivos; Modelo de red neuronal; Tráfico de red; Aumento de datos
• Keywords:Internet of things; Security risks; Device identification; Neural network model; Network traffic; Data augmentation