Detección de anomalías en redes IoT mediante Stream Machine Learning

Internet ha evolucionado rápidamente y esto ha permitido que las redes IoT (Internet of Things) sean ya una realidad y no sólo una visión de futuro. Las redes IoT integran dispositivos muy sencillos, con frecuencia insuficientemente protegidos, que las hace muy vulnerables a ataques. La detección de anomalías en dichas redes es crítica ya que permite minimizar el posible impacto de las mismas e incrementa la fortaleza de los sistemas. En este trabajo se han desarrollado varios modelos basados en aprendizaje automático en streaming, que permiten la detección de anomalías en tiempo real en una red IoT de sensores de temperatura. Para ello hemos utilizado el conjunto de datos etiquetados DAD de una red IoT que contiene diferentes tipos de ataques: duplicaciones, intercepciones y modificaciones. Se han generado dos tipos de modelos, uno a nivel de aplicación y otro a nivel de red para detectar los ataques en el momento en el que se producen y así mantener la seguridad de la red IoT. El trabajo también incluye las pruebas realizadas que permiten evaluar el comportamiento de los modelos