| Título: | Arquitetura de detecção de intrusão por anomalias com federated learning em redes IoT |
| Autor(es): | Soares, Samuel Carlos Menêses |
| Orientador(es): | Sousa Júnior, Rafael Timóteo de |
| Assunto: | Inteligência artificial
Aprendizado de máquina
Internet das coisas |
| Data de apresentação: | 26-Set-2022 |
| Data de publicação: | 1-Set-2023 |
| Referência: | SOARES, Samuel Carlos Menêses. Arquitetura de detecção de intrusão por anomalias com federated learning em redes IoT. 2022. 112 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Redes de Comunicação) — Universidade de Brasília, Brasília, 2022. |
| Resumo: | O mercado tecnológico de Internet das Coisas (IoT) teve um grande avanço nos últimos anos,
possuindo cada vez mais dispositivos capazes de realizar tarefas de forma inteligente tanto em
ambientes industriais como em ambientes domésticos. A composição desses dispositivos apresenta
uma grande simplicidade em termos de arquitetura por questões de custo-benefício e praticidade,
porém, essa questão traz problemas de segurança e privacidade para as redes IoT devido à quantidade de vulnerabilidades que vão sendo identificadas e exploradas por conseguinte. Com isso,
métodos foram sendo aplicados para solucionar esses problemas de exploração de vulnerabilidades,
como a utilização de sistemas de detecção e prevenção de intrusão para identificar possíveis ataques
na rede e realizar ações preventivas em tempo real. Um dos métodos utilizado para aplicar esse
tipo de sistema é a detecção por anomalias, consistindo na observação de padrões de comunicação
para distinguir os tráfegos por sua natureza, sendo altamente utilizado com técnicas de Aprendizado de Máquina e Inteligência Artificial (AI) por questões de inovação e automatização. Então,
será apresentada neste trabalho uma solução de sistema de detecção de intrusão por anomalias
para redes IoT com o intuito de identificar tráfegos maliciosos e distingui-los de tráfegos benignos,
contendo a utilização de métodos de aprendizado de máquina, como o Federated Learning, para
realizar o aprendizado da detecção de forma distribuída a partir da contribuição de cada dispositivo
pertencente à rede IoT. |
| Abstract: | The Internet of Things (IoT) technological market has had a great advance in recent years, with
more and more devices capable of performing tasks intelligently in both industrial and domestic
environments. The composition of these devices presents a great simplicity in terms of architecture
for cost-benefit and practicality reasons, however, this issue brings security and privacy problems
to IoT networks due to the amount of vulnerabilities that are being identified and exploited as a
result. Therefore, methods have been applied to solve these vulnerability exploitation problems,
such as the use of intrusion detection and prevention systems to identify possible attacks on the
network and perform preventive actions in real time. One of the methods that is used to apply this
kind of system is anomaly detection, consisting in the observation of communication patterns to
distinguish traffic by its nature, being highly used with Machine Learning and Artificial Intelligence
(AI) techniques for innovation and automation reasons. So, it will be presented in this paper a
solution for anomaly intrusion detection system for IoT networks in order to identify malicious
traffic and distinguish it from benign traffic, containing the use of machine learning methods, such
as Federated Learning, to perform the detection learning in a distributed way from the contribution
of each device belonging to the IoT network. |
| Informações adicionais: | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia de Redes de Comunicação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
