Resumen

La computación en la niebla, como un nuevo paradigma, tiene muchas características que son diferentes de la computación en la nube. Debido a que los recursos son limitados, los nodos de niebla/anfitriones de MEC son vulnerables a ciberataques. Un sistema de detección de intrusiones (IDS) ligero es una técnica clave para resolver el problema. Debido a que la máquina de aprendizaje extremo (ELM, por sus siglas en inglés) tiene las características de una velocidad de entrenamiento rápida y una buena capacidad de generalización, presentamos un nuevo IDS ligero llamado máquina de aprendizaje extremo seleccionada por muestra (SS-ELM). La razón por la que proponemos la máquina de aprendizaje extremo seleccionada por muestra es que los nodos de niebla/anfitriones de MEC no tienen la capacidad de almacenar cantidades extremadamente grandes de conjuntos de datos de entrenamiento. Por lo tanto, estos son almacenados, computados y muestreados por los servidores en la nube. Luego, la muestra seleccionada se proporciona a los nodos de niebla

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Computación en la niebla; Computación en la nube; Sistema de detección de intrusos; Máquina de aprendizaje extremo; IDS ligero; Muestra seleccionada.
• Keywords:Fog computing; Cloud computing; Intrusion detection system; Extreme learning machine; Lightweight IDS; Sample selected.