MLSTL-WSN: Detecção de Intrusões Baseada em Aprendizado de Máquina usando SMOTETomek em WSNs

Redes de Sensores Sem Fio (WSNs) desempenham um papel fundamental como infraestruturas, abrangendo sensores estacionários e móveis. Esses sensores se auto-organizam e estabelecem conexões multi-hop para comunicação, coletivamente percebendo, reunindo, processando e transmitindo dados sobre seu entorno. Apesar de sua importância, as WSNs enfrentam ataques rápidos e prejudiciais que podem interromper a funcionalidade. Os métodos existentes de detecção de intrusões para WSNs encontram desafios como baixas taxas de detecção, sobrecarga computacional e alarmes falsos. Esses problemas decorrem das limitações de recursos dos nós sensores, da redundância de dados e da alta correlação dentro da rede. Para abordar esses desafios, propomos uma abordagem inovadora de detecção de intrusões que integra técnicas de Aprendizado de Máquina (ML) com o algoritmo da Técnica de Sobreamostragem de Minorias Sintéticas (SMOTE-TomekLink). Essa combinação sintetiza instâncias minoritárias e elimina links Tomek, resultando em um conjunto de dados equilibrado que melhora significativamente a precisão da detecção em WSNs. Além disso, incorporamos escalonamento de recursos por meio da padronização para tornar as características de entrada consistentes e escaláveis, facilitando um treinamento e detecção mais precisos. Para combater conjuntos de dados WSN imbalanced, empregamos a técnica de reamostragem SMOTE-Tomek, mitigando problemas de sobreajuste e subajuste. Nossa avaliação abrangente, utilizando o Conjunto de Dados WSN (WSN-DS) contendo 374.661 registros, identifica o modelo ideal para detecção de intrusões em WSNs. O resultado notável de nossa pesquisa é o desempenho notável de nosso modelo. Em binário, atinge uma taxa de precisão de 99,78% e em multiclass, alcança uma taxa de precisão excepcional de 99,92%. Esses achados destacam a eficiência e superioridade de nossa proposta no contexto da detecção de intrusões em WSN, mostrando sua efetividade em detectar e mitigar intrusões em WSNs.