Un modelo de aprendizaje profundo eficiente para la clasificación y predicción de intrusiones en redes 5G e IoT

Un Sistema de Detección de Intrusiones en Redes es un componente crítico de cada sistema conectado a internet debido a los posibles ataques provenientes tanto de fuentes externas como internas. Estos sistemas de seguridad se utilizan para detectar ataques en la red, como inundaciones, ataques de denegación de servicio, malware e intrusos de doble mal que están operando dentro del sistema. Las redes neuronales se han convertido en una solución cada vez más popular para la detección de intrusiones en redes. Su capacidad para aprender patrones y comportamientos complejos las convierte en una solución adecuada para diferenciar entre tráfico normal y ataques en la red. En este artículo, hemos aplicado un algoritmo de red neuronal densa con auto-codificación profunda para detectar intrusiones o ataques en redes 5G e IoT. Evaluamos el algoritmo con el conjunto de datos de intrusiones Aegean Wi-Fi. Nuestros resultados mostraron un excelente rendimiento con una precisión de detección general del 99.9% para ataques de Inundación, Suplantación e Inyección. También presentamos una comparación con enfoques recientes utilizados en la literatura, que mostraron una mejora sustancial en términos de precisión y velocidad de detección con el algoritmo propuesto.