RESUMEN El ecosistema de Internet de las Cosas (IoT) abarca dispositivos basados en la web que tienen sensores, actuadores, procesadores, controladores y equipos de conectividad de datos. Estos dispositivos recopilan e intercambian datos de forma inalámbrica a través de tecnologías basadas en la web. Los dispositivos IoT aceleran las interacciones de hombre a máquina y de máquina a máquina. Siempre existe la posibilidad de un ataque a dispositivos de red habilitados para IoT debido a mecanismos de seguridad limitados. Los dispositivos en el ecosistema IoT se conectan/desconectan con frecuencia, lo que abre la puerta a intrusos para robar información sensible y afectar engañosamente los dispositivos. Parece esencial, a medida que pasa el tiempo, presentar un buen mecanismo de detección clasificando a los usuarios autorizados/no autorizados. Esta investigación tiene como objetivo implementar el algoritmo de aprendizaje automático con un análisis exhaustivo que aumente la clasificación y mitigue con precisión la anomalía en el sistema IoT. Los resultados prometedores obtenidos muestran la efectividad de los algoritmos de aprendizaje automático: Regresión Logística (LR), Árbol de Decisión (DT), Bosque Aleatorio (RF), K-Vecinos Más Cercanos (KNN), Perceptrón Multicapa (MLP) y Aumento de Gradiente Extremo (XGBoost) con un mecanismo de clasificación para mejorar el rendimiento entrenando el modelo con algoritmos de vanguardia que tienen buena capacidad de predicción, lo que mejora la precisión en los mecanismos de clasificación y es muy operativo para conjuntos de datos grandes. Los conjuntos de datos utilizados para esta investigación son iotᵢntrusion e iotid20.
Fatima et al. (Mar,) estudiaron esta cuestión.