Erkennung von böswilligem Bandbreitenverbrauch in der Cloud durch Cloud Computing unter Verwendung von Techniken des maschinellen Lernens

Das Internet der Dinge, manchmal als IoT bekannt, ist eine relativ neue Art der Internetkonnektivität, die physische Objekte auf eine Weise mit dem Internet verbindet, die in der Vergangenheit nicht möglich war. Das Internet der Dinge ist ein anderer Name für dieses Konzept (IoT). Aufgrund seiner Hyperkonnektivität und Heterogenität, die beide Eigenschaften des IoT sind, hat das Internet der Dinge eine größere Angriffsfläche. Darüber hinaus ist es vorstellbar, dass böswillige Akteure neue Angriffe entwickeln, die sich gegen diese Geräte richten, da die Geräte des Internet der Dinge in verwalteten und unkontrollierten Kontexten eingesetzt werden. Daher benötigt das Internet der Dinge (IoT) selbstschützende Sicherheitsysteme, die in der Lage sind, Angriffe im IoT-Verkehr autonom zu interpretieren und das Angriffsszenario effizient zu bewältigen, indem sie angemessene Reaktionen in einem schnelleren Tempo auslösen, als es derzeit verfügbar ist. Um diesem Bedarf gerecht zu werden, muss Fog Computing eingesetzt werden. Diese Art der Berechnung hat die Fähigkeit, einen intelligenten Selbstschutzmechanismus in die verteilten Fog-Knoten zu integrieren. Dies ermöglicht es, die IoT-Anwendung mit minimalem menschlichem Eingreifen zu schützen und gleichzeitig eine schnellere Verwaltung von Angriffsszenarien zu ermöglichen. Die Implementierung eines Selbstschutzmechanismus bei böswilligen Fog-Knoten ist das Hauptziel dieser Forschungsarbeit. Dieser Mechanismus sollte in der Lage sein, bekannte Angriffe auf der Grundlage vordefinierter Angriffsmuster zu erkennen und vorherzusagen sowie neuartige Angriffe basierend auf keinen vordefinierten Angriffsmustern vorherzusagen und dann die angemessenste Reaktion zu wählen, um den identifizierten Angriff zu neutralisieren. Im Umfeld des IoT wird am Fog-Knoten eine verteilte Gaussian Prozessregression verwendet, um Angriffsmuster vorherzusagen, die in der Vergangenheit nicht etabliert wurden. Dies ermöglicht die Vorhersage neuer Cyberangriffe in der Umgebung. Es sagt Angriffe in einer unsicheren IoT-Umgebung schneller und mit größerer Genauigkeit voraus als frühere Techniken. Es kann sowohl niederrate als auch hochrate Angriffe zeitnäher innerhalb der verteilten Fog-Knoten effektiv antizipieren, was es ihm ermöglicht, eine genauere Verteidigung zu mobilisieren. Zusammenfassend wird ein auf Fog Computing basierendes Selbstschutzsystem entwickelt, um die angemessenste Reaktion unter Verwendung von Fuzzy-Logik für erkannte oder antizipierte Angriffe mit den vorgeschlagenen Erkennungs- und Vorhersagemechanismen auszuwählen. Dies wird erreicht, indem ein Selbstschutzsystem genutzt wird, das auf der Entwicklung eines Selbstschutzsystems basiert, das die vorgeschlagenen Erkennungs- und Vorhersagemechanismen nutzt. Die Ergebnisse der experimentellen Untersuchung zeigen, dass das vorgeschlagene System Bedrohungen identifiziert, den Bandbreitenverbrauch senkt und Angriffe mit einer Geschwindigkeit abwehrt, die fünfundzwanzig Prozent schneller ist als die Implementierung des Cloud-basierten Systems.