Compartir
Título
Sistema dinámico para la detección de anomalías en entornos de Internet de las cosas (IoT)
Autor
Director/es
Facultad/Centro
Área de conocimiento
Datos de la obra
Aveleira Mata, J. (2023). Sistema dinámico para la detección de anomalías en entornos de Internet de las cosas (IoT). [Tesis doctoral, Universidad de León]
Fecha
2023-10-28
Resumo
[ES] El Internet de las Cosas (IoT) ha transformado la manera en que interactuamos con objetos cotidianos mediante la integración de sensores y actuadores en dispositivos diarios. Estos dispositivos están revolucionando áreas como la sanidad con la telemedicina y la creación de ciudades inteligentes. Empresas líderes han reconocido y apostado por este potencial, impulsando aún más su relevancia.
Sin embargo, con la proliferación de dispositivos conectados surgen retos significativos en materia de seguridad. Los sistemas IoT, por su variedad de protocolos y capacidad de cómputo limitada, presentan vulnerabilidades únicas.
Dada la importancia de la ciberseguridad para la adopción y confianza en la tecnología IoT, los sistemas IDS son una vía de implementación de seguridad ya que detectan tráfico potencialmente malicioso, sin alterar los sistemas ya existentes. Además, la incorporación de técnicas de inteligencia artificial está siendo cada vez más relevante para mejorar la eficacia de estos sistemas.
La investigación de esta tesis busca, entre otros objetivos, comprender en profundidad los protocolos y problemas de seguridad de IoT, conocer las soluciones actuales, desarrollar un sistema para obtener y analizar datasets de tráfico. Estos datasets son de gran importancia porque los IDS, particularmente los basados en detección de anomalías, requieren de datos relevantes y orientados a las vulnerabilidades específicas de los sistemas IoT. Además, como parte de los resultados de esta tesis, se diseña un sistema IDS que utiliza modelos de aprendizaje automático entrenado con los datasets obtenidos. Este IDS será evaluado en entornos reales para poder probar los modelos de detección en entornos reales IoT con amenazas específicas. [EN] The Internet of Things (IoT), which refers to the connection of common objects to the internet, has
produced numerous technological advances in domestic and industrial areas, among other sectors.
These devices, equipped with sensors and actuators, are revolutionizing areas such as healthcare
with telemedicine and the creation of smart cities. The leading companies have identified and
invested in this potential, boosting its relevance.
However, with the proliferation of connected devices come significant security challenges. IoT
systems, with their variety of protocols and limited computational capacity, present unique
vulnerabilities.
Given the importance of cyber security for adoption and trust in IoT technology, IDS systems are a
way to implement security by detecting potentially malicious traffic, without impacting existing
systems. In addition, the incorporation of artificial intelligence techniques, such as machine
learning, is becoming
increasingly relevant to improve the efficiency of these systems.
The research of this thesis aims, among other objectives, to gain an in-depth understanding of IoT
security protocols and issues, to learn about current solutions, to develop a system for obtaining
and analyzing traffic datasets. These datasets are of great importance because IDSs, particularly
those based on anomaly detection, require relevant data oriented to the specific vulnerabilities of
IoT systems. Also, as part of the results of this thesis, an IDS system is designed using machine
learning models trained with the obtained datasets. This IDS will be evaluated in real environments
to test the detection models in real IoT
environments with specific threats.
Materia
Palabras clave
URI
DOI
Aparece en las colecciones
- Tesis [1354]
Arquivos deste item
Tamaño:
2.592
xmlui.dri2xhtml.METS-1.0.size-megabytes
Formato:
Adobe PDF