Uma Técnica Híbrida Baseada em RF-PCA e ANN para Detectar Ataques DDoS em IoT

A crescente dependência de produtos inteligentes aumentou as vulnerabilidades no tráfego da Internet das Coisas (IoT), o que representa riscos significativos à segurança. Essas vulnerabilidades permitiram que alguns hackers as explorassem, levando à degradação do desempenho do sistema. Ataques podem levar essas vulnerabilidades a vários resultados indesejáveis, incluindo vazamento de dados, perdas econômicas, violação de dados, interrupções operacionais e danos à reputação da empresa. Para lidar com esses desafios de segurança, alarmes de detecção de intrusões na rede desempenham um papel crucial na avaliação da segurança do sistema. Nos últimos anos, a proliferação de algoritmos e estruturas baseadas em computação inteligente e suave tem sido evidente. No entanto, estudos anteriores enfrentaram desafios relacionados à abrangência, ataques de zero-day, realismo e interpretação de dados. À luz dessas preocupações, este estudo propõe projetar uma rede neural para detecção proativa de ataques. Além disso, propomos usar um sistema híbrido chamado RF-PCA para facilitar a redução de dimensionalidade e ajudar os classificadores. Notavelmente, esta é a primeira aplicação de um conjunto de dados BOT-IoT em tal abordagem. O estudo também inclui uma discussão sobre termos relevantes de IoT no contexto do nosso trabalho. O método proposto utiliza características de dados de alto nível para representar e tirar conclusões conclusivas. Para avaliar sua eficácia, um experimento foi conduzido usando Python como ambiente de programação, alcançando uma taxa de detecção notável de 99,73%.