PictureGuard: Melhorando a Segurança da Rede Definida por Software–Internet das Coisas com Novautenticação Baseada em Imagens e Detecção de Intrusão em Duas Fases com Inteligência Artificial

A rede definida por software (SDN) representa uma abordagem transformadora para a gestão de redes, permitindo o controle centralizado e programável da infraestrutura de rede. Esse paradigma facilita uma melhor escalabilidade, flexibilidade e segurança na gestão de sistemas complexos. Quando integrado à Internet das Coisas (IoT), o SDN aborda desafios críticos, como segurança e gestão eficiente de redes, posicionando o paradigma SDN-IoT como uma tecnologia emergente e impactante nas redes modernas. A rápida proliferação de aplicações de IoT levou a um aumento significativo nas ameaças à segurança, representando desafios para a operação segura dos sistemas de IoT. Consequentemente, aplicações e serviços baseados em SDN-IoT foram amplamente adotados para enfrentar essas questões e desafios. No entanto, essa plataforma enfrenta limitações críticas em garantir escalabilidade, otimizar o consumo de energia e abordar vulnerabilidades de segurança persistentes. Para superar essas questões, propomos um ambiente seguro de SDN-IoT para detecção e prevenção de intrusões usando blockchain virtual (V-Block). Inicialmente, os usuários de IoT são registrados e autenticados nos nós da blockchain sombra usando um mecanismo de autenticação baseado em imagens. Após isso, a validação dos fluxos de usuários autenticados foi fornecida considerando métricas efetivas utilizando a abordagem da Teoria dos Jogos Evolutivos Baseada em Trading (TEGT). Em seguida, realizamos uma avaliação de risco local com base na gravidade dos fluxos maliciosos avaliados e, então, o gráfico de ataque foi construído usando um modelo de Rede Neural Gráfica Baseada em Isomorfismo (IGNN). Além disso, vários controladores foram colocados de forma otimizada usando o algoritmo de otimização de raposas. Os caminhos globais gerados foram armazenados de forma segura na blockchain virtual. Finalmente, os dois agentes nos controladores múltiplos foram responsáveis por validar e classificar os pacotes de fluxo suspeitos recebidos em pacotes normais e maliciosos, considerando as métricas operativas usando o algoritmo Dueling Deep Q Network (DDQN). O trabalho apresentado foi realizado pelo Network Simulator-3.26 e diferentes matrizes de desempenho foram usadas para itemizar o modelo V-Block sugerido com base em seu tráfego malicioso, taxa de detecção de ataque, taxa de falha de link, taxa de detecção de anomalias e escalabilidade.