Resumen

En la actualidad, un dispositivo de Internet de las Cosas (IoT) consiste en algoritmos, conjuntos de datos y modelos. Debido al buen rendimiento de los métodos de aprendizaje profundo, muchos dispositivos integran modelos bien entrenados en ellos. El IoT capacita a los usuarios para comunicarse y controlar dispositivos físicos con el fin de obtener información vital. Sin embargo, estos modelos son vulnerables a ataques adversariales, los cuales traen consigo riesgos potenciales para la aplicación normal de los métodos de aprendizaje profundo. Por ejemplo, cambios muy pequeños, incluso un punto, en los datos de series temporales de IoT podrían llevar a decisiones poco confiables o incorrectas. Además, estos cambios podrían ser generados deliberadamente siguiendo una estrategia de ataque adversarial. Proponemos un modelo de clasificación de datos de IoT robusto basado en un modelo de entrenamiento conjunto de codificación-decodificación. Además, la codificación de termómetro se toma como una transformación no lineal a los ejemplos de entrenamiento originales que se utilizan para reconstruir ejemplos

• 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; Métodos de aprendizaje profundo; Ataques adversarios; Modelo de clasificación de datos iot; Modelo de entrenamiento conjunto codificar-decodificar; Modelo resnet.
• Keywords:Internet of things; Deep learning methods; Adversarial attacks; Iot data classification model; Encode-decode joint training model; Resnet model