Codificação de Hardware/Software de Sistema de Detecção de Intrusão em Tempo Real para Dispositivos da Internet das Coisas

A rápida expansão da Internet das Coisas (IoT) aumentou as preocupações com a segurança, tornando necessário sistemas eficientes de detecção de intrusão (IDS). Neste artigo, propomos um IDS em tempo real para IoT projetado combinando um classificador de floresta aleatória (RF) com uma técnica de seleção de características em conjunto (EFST). O IDS proposto pode ser implantado em uma placa de matriz de porta programável em campo (FPGA) em pequena escala. O sistema utiliza um processo de seleção de características em conjunto com duas métricas para reduzir a complexidade computacional e aumentar a acurácia de classificação. Além disso, o EFST extrai agressivamente um número limitado de características, reduzindo assim a complexidade do modelo RF. Em seguida, o classificador RF personalizado é mapeado em um acelerador de hardware baseado em FPGA para realizar a detecção em tempo real. O método proposto foi avaliado experimentalmente no conjunto de dados de referência BoT-IoT. Os resultados demonstram que o IDS proposto realiza melhorias significativas em termos de utilização de recursos e tempo de processamento em comparação com várias implementações de IDS baseadas em FPGA de última geração, mantendo uma acurácia de detecção suficiente. Em particular, nossa implementação na Xilinx PYNQ Z2 alcançou acelerações de 10,2×, 135,7× e 8,43× em comparação com IDSs de última geração executando em um CPU Intel Core i7, um microprocessador ARM Cortex-A9 e um acelerador baseado em rede neural no PYNQ, respectivamente. Além disso, nossa abordagem apresenta a menor utilização de recursos entre soluções de IDS baseadas em FPGA. Esses resultados demonstram que este trabalho contribui para o desenvolvimento de ecossistemas IoT seguros e sustentáveis ao integrar EFST, classificação RF e aceleração baseada em FPGA.