Um Classificador Multiclasse Baseado em Conjunto para Detecção de Intrusões Usando a Internet das Coisas

A Internet das Coisas (IoT) é a tecnologia que mais cresce e possui aplicações em diversos domínios, como saúde e transporte. Ela interconecta trilhões de dispositivos inteligentes através da Internet. Uma rede segura é a necessidade básica da Internet das Coisas. Devido à crescente taxa de dispositivos inteligentes interconectados e acessíveis remotamente, mais problemas de cibersegurança têm sido observados entre sistemas ciber-físicos. Um sistema de detecção de intrusões (IDS) perfeito pode provavelmente identificar vários problemas de cibersegurança e suas fontes. Neste artigo, usando vários conjuntos de dados de telemetria de diferentes cenários da Internet das Coisas, mostramos que usuários externos podem acessar os dispositivos IoT e inferir a atividade do usuário vítima ao monitorar o tráfego da rede. Além disso, o artigo apresenta o desempenho de várias técnicas de árvore de decisão por ensemble de bagging e boosting em machine learning no design de um IDS eficiente. A maioria dos IDS anteriores focou apenas em boa precisão e ignorou a velocidade de execução que deve ser melhorada para otimizar o desempenho de um modelo de ID. A maior parte das pesquisas anteriores focou na classificação binária. Este estudo tenta avaliar o desempenho de vários algoritmos de classificação multiclasse em machine learning baseados em ensemble, utilizando conjuntos de dados disponíveis abertamente como os do "TON-IoT" de sensores IoT e IIoT.