Uma detecção eficiente de ataques de Sinkhole usando aprendizado de máquina: Impacto na energia e segurança

No âmbito das Redes de Sensores Sem Fio (WSNs), a detecção e mitigação de ataques de sinkhole permanecem fundamentais para garantir a integridade e eficiência da rede. Este artigo apresenta o SFlexCrypt, uma abordagem inovadora concebida para enfrentar esses desafios de segurança enquanto otimiza o consumo de energia nas WSNs. O SFlexCrypt se destaca por integrar de forma perfeita algoritmos avançados de aprendizado de máquina para alcançar uma detecção de alta precisão e mitigação efetiva de ataques de sinkhole. Utilizando um conjunto de dados do Contiki-Cooja, o SFlexCrypt foi rigorosamente testado, demonstrando uma precisão de detecção de 100% e uma taxa de mitigação de 97,31%. Este desempenho notável não só fortalece a segurança da rede, mas também estende significativamente a longevidade da rede e reduz o consumo de energia, fatores cruciais na sustentabilidade das WSNs. O estudo contribui substancialmente para o campo da segurança em IoT, oferecendo uma estrutura abrangente e eficiente para implementar estratégias de segurança baseadas na Internet. Os resultados afirmam que o SFlexCrypt é uma solução robusta, capaz de aumentar a resiliência das WSNs contra ataques de sinkhole enquanto mantém uma eficiência energética ideal.