Detecção de Ataques de Botnets em IoT via Variational Autoencoder

Abstract

A Internet das Coisas (IoT) é uma tendência mundial, e sua importância na sociedade cresce com o passar dos anos. Com sua popularidade, também tornou-se importante entender a funcionalidade das redes IoT, levando em consideração requisitos relevantes como a segurança. Esse trabalho fornece um modelo de Aprendizado Profundo (DL) baseado no Variational Autoencoder (VAE), capaz de detectar anomalias no tráfego de dispositivos IoT causadas por ataques de botnets. Os experimentos conduzidos sobre um conjunto de dados conhecido, o N-BaIoT, e os resultados alcançados são comparados aos baselines de estudos recentes. Os resultados demonstram que a estratégia proposta é adequada para a tarefa de detecção de ataques e pode melhorar a segurança em ambientes IoT com respostas em baixa latência.