IoTSafe: Detecção de Ataques Baseada em Redes Neurais Profundas

Abstract

O uso massivo da Internet das Coisas (IoT), em ambientes urbanos, expõe sistemas de naturezas diversas a ataques. São recorrentes, na literatura, propostas de autenticação e criptografia ou sistemas de detecção de ataques, IDS (Intrusion Detection System). Entretanto, faltam soluções que consigam unir, eficientemente, essas duas táticas de segurança, principalmente se inseridas em arquiteturas de computação de borda. Este artigo propõe uma solução para detecção de ataques como complemento aos mecanismos de criptografia e autenticação da IoTSafe, apresentados em um trabalho anterior. O novo modulo, de detecção, é baseado em deep learning e implementa uma rede neural profunda para identificação de ataques. Especializado em comunicação via MQTT (Message Queuing Telemetry Transport), o módulo é implantado na camada fog da arquitetura. Para avaliar o módulo e a arquitetura IoTSafe completa, testes em três ambientes foram realizados, com indicativos de consumo de recursos em cada um. Um estudo de caso mostrou que a IoTSafe funciona com todos os mecanismos, módulos e camadas propostos. O desempenho do novo módulo evidencia a sua eficácia, tendo obtido uma acurácia de 99,57% e precisão de 99,66% na detecção de ataques.