Revista de ingeniería informática y tecnología de la información

Detección de ataques DDoS en Internet de las cosas mediante algoritmos de aprendizaje automático no supervisados

Hailyie Tekleselassie*

El aumento en el despliegue de redes IoT ha mejorado la productividad de los humanos y las organizaciones. Sin embargo, las redes IoT se están convirtiendo cada vez más en plataformas para lanzar ataques DDoS debido a la seguridad inherentemente más débil y la naturaleza limitada de los recursos de los dispositivos IoT. Este documento se centra en la detección de ataques DDoS en redes IoT clasificando los paquetes de red entrantes en la capa de transporte como "sospechosos" o "benignos" utilizando algoritmos de aprendizaje automático no supervisados. En este trabajo, se entrenaron de forma independiente dos algoritmos de aprendizaje profundo y dos algoritmos de agrupamiento para mitigar los ataques DDoS. Ponemos énfasis en los ataques DDoS basados ​​en la explotación que incluyen ataques TCP SYN-Flood y ataques UDP-Lag. Usamos los conjuntos de datos Mirai, BASHLITE y CICDDoS2019 para entrenar los algoritmos durante la fase de experimentación. La puntuación de precisión y la puntuación de información mutua normalizada se utilizan para cuantificar el rendimiento de clasificación de los cuatro algoritmos. Nuestros resultados muestran que el autocodificador tuvo el mejor rendimiento general con la mayor precisión en todos los conjuntos de datos.