Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT

TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.Computação em nuvem (Cloud computing) e a Internet das Coisas (Internet of Things – IoT) são tecnologias emergentes e inovadoras que levaram os sistemas de informações a um nível mais amplo com o rápido compartilhamento de vastos recursos da Web pela Internet. A IoT é um importante paradigma que permite que objetos possam se comunicar e interagir com o ambiente em que estão inseridos, além de realizar tarefas de maneira inteligente sem ser necessário intervenção humana. A IoT geralmente possui recursos restritos. Desse modo, as aplicações normalmente utilizam a computação em nuvem para processar e armazenar as informações capturadas pelos dispositivos IoT. Todavia, a separação dos dispositivos IoT e os datacenters de processamento podem gerar alta latência e instabilidades prejudiciais para dispositivos que trabalham com respostas em tempo real. Utilizando computação em névoa (Fog Computing), consegue-se resolver esses problemas, tendo em vista que o processamento e o armazenamento encontram-se mais próximos dos dispositivos IoT. Existem inúmeros desafios para garantir um ambiente de IoT e Fog Computing ideal, a segurança é um dos maiores. Considerando os aspectos de segurança, a detecção de intrusão é um ponto chave. Este trabalho de conclusão de curso propõe uma abordagem utilizando clusterização e redes neurais artificiais, que opera na Fog Computing, para detectar intrusão em ambiente IoT. Através dos experimentos foi possível verificar que a abordagem proposta com clusterização é capaz de melhorar a eficácia da rede neural na detecção binária e multiclasse.Cloud computing and the Internet of Things (IoT) are emerging and innovative technologies that have taken information systems to a broader level with the rapid sharing of vast web resources over the Internet. IoT is an important paradigm that allows objects to communicate and interact with the environment in which they are inserted, in addition to performing tasks intelligently without the need for human intervention. IoT often has limited resources. In this way, applications typically use cloud computing to process and store information captured by IoT devices. However, the separation of IoT devices and processing data centers can lead to high latency and harmful instabilities for devices that work with real-time responses. Using fog computing, these problems can be solved, considering that processing and storage are closer to IoT devices. There are countless challenges to guarantee an ideal IoT and Fog Computing environment, security is one of the greatest. Considering security aspects, intrusion detection is a key point. This conclusion work proposes an approach using clustering and artificial neural networks, which operates at Fog Computing, to detect intrusion in an IoT environment. Through the experiments it was possible to verify that a proposed approach with clustering is able to improve the efficiency of the neural network in binary and multiclass detection