Detección y Mitigación de Ataques de Denegación de Servicio en Redes IoT Usando Inteligencia Artificial (IA) y Técnicas de Aprendizaje Automático (ML)

Abstract

El Internet de las Cosas (IoT) se presenta como la red de dispositivos inteligentes que surgen en respuesta a la necesidad de integrar nuevos servicios (transporte, atención médica, infraestructura, etc) en prácticamente todos los ámbitos de nuestras vidas. En consecuencia, esta rápida proliferación de internet ha ofrecido nuevas oportunidades a los usuarios atacantes. La forma más común, por su sencillez, de afectar una red, es mediante el ataque de denegación de servicio. Dicho ataque, consiste, en esencia, en copar de tráfico malicioso una red entorpeciendo o anulando el servicio ofrecido. Por ende, la implementación de mecanismos efectivos de defensa se establece como una necesidad básica en toda red de Internet. En el presente trabajo se utiliza las técnicas de aprendizaje automático (ML) usando inteligencia artificial (IA) con el fin de implementar un Sistema de Detección de Intrusos (IDS) para detectar y mitigar supuestos Ataques de Denegación de Servicio (DoS). Este trabajo también tiene como objetivo evaluar dos modelos de aprendizaje automático para la detección de ofensivas de denegación de servicio DIS-Flood en un entorno IoT simulado. Concretamente, se estudian los algoritmos Support Vector Machine (SVM) y Random Forest (RF) sobre el conjunto de datos IoTR – DS.