Resumen

Impulsados por los avances en las tecnologías de Internet de las Cosas (IoT) habilitadas para 5G, los dispositivos IoT han mostrado una tendencia de crecimiento explosiva con una gran cantidad de datos generados en el borde de la red. Sin embargo, los sistemas IoT muestran una vulnerabilidad inherente a diversos ataques, y la Amenaza Persistente Avanzada (APT, por sus siglas en inglés) es uno de los modelos de ataque más poderosos que podrían llevar a una filtración significativa de la privacidad de los sistemas. Además, las tecnologías de detección recientes apenas pueden satisfacer las demandas de defensa de seguridad efectiva contra las APT. Para abordar los problemas anteriores, proponemos un Método de Predicción de APT basado en Aprendizaje Federado Diferencialmente Privado (APTPMFL) para predecir la probabilidad de que ocurran ataques APT posteriores en los sistemas IoT. Es la primera vez que se aplica un mecanismo de aprendizaje federado para agregar actividades sospechosas en los sistemas IoT, donde

• 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:Avances; 5g-enabled; Internet de las cosas; Iot devices; Advanced persistent threat; Apt prediction method
• Keywords:Advancements; 5g-enabled; Internet of things; Iot devices; Advanced persistent threat; Apt prediction method