Predicting Response Time in SDN-Fog Environments for IIoT Applications

Oliveira, Guilherme Werneck de; Ney, Rodrigo Toscano; Herrera, José; Batista, Daniel Macêdo; Hirata, Roberto; Galán-Jiménez, Jaime; Berrocal, Javier; Murillo, Juan Manuel; Santos, Aldri; Nogueira, Michele

doi:10.1109/latincom53176.2021.9647803

Cited by 4 publications

(3 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…No momento da escrita desta dissertação, os resultados alcançados durante o mestrado foram disseminados em duas publicações e em uma submissão: (Oliveira, Ney et al, 2021). Nele é apresentado um estudo de modelos de ML, supervisionados e não supervisionados, treinados e testados com indicadores de desempenho da rede para diferentes estratégias de posicionamento de uma VNF de segurança na mesma rede IIoT, agora sob ataques DDoS.…”

Section: Sumáriounclassified

“…Para que a operação de uma VNF seja realizada de forma eficiente, os indicadores de desempenho devem ser bem definidos e medidos a fim de demonstrarem a real demanda, o comportamento e a "saúde" de uma rede. A previsão do comportamento da rede traz vantagens para muitas aplicações que possuem requisitos rigorosos de QoS por antecipar o posicionamento de dispositivos e alocação de recursos, além de permitir que designers de serviços prevejam o desempenho de suas aplicações (Oliveira, Ney et al, 2021;Mirkovic et al, 2018;Bhulai et al, 2007).…”

Section: Posicionamento Inteligente De Vnf Para Mitigar Ataques Ddos ...unclassified

“…Essa análise permitiu a definição dos indicadores de desempenho a serem incluídos no novo conjunto de dados. Já o tempo de resposta previsto para cenários de rede IIoT (Oliveira, Ney et al, 2021)…”

Section: O Conjunto De Dadosunclassified

See 2 more Smart Citations

Mitigação de ataques DDoS na IoT por meio de aprendizado de máquina e virtualização de funções de rede

Oliveira¹

View full text Add to dashboard Cite

A Internet das coisas (IoT -Internet of Things) tem passado por uma rápida popularização, alcançando uma grande diversidade de domínios de aplicações. Como consequência, cada vez mais dispositivos IoT com características diversas são implantados em uma variedade de ambientes públicos e privados, tornandose progressivamente objetos comuns da vida cotidiana. Por outro lado, a infraestrutura física de sistemas heterogêneos é complexa e exige soluções eficientes e dinâmicas para o gerenciamento de desempenho e segurança de redes, em um nível que permita a implantação padronizada e de fácil replicação em indústrias, prédios e cidades inteligentes. Uma abordagem que vem ganhando espaço quando o intuito é responder às ameaças de segurança na IoT consiste no uso de recursos virtualizados de rede por meio da virtualização de funções de rede (NFV -Network Functions Virtualization). A literatura apresenta alguns trabalhos que utilizam a NFV para detectar e mitigar ameaças de segurança em redes IoT, mas poucos são os indicadores de desempenho do contexto de rede explorados para a composição de uma solução de maior eficiência. Dessa forma, este trabalho apresenta o desenvolvimento de uma abordagem baseada no desempenho do contexto de rede para mitigar ataques distribuídos de negação de serviço (DDoS -Distributed Denial of Service) na IoT, investigando como indicadores de desempenho podem compor modelos de aprendizado de máquina (ML -Machine Learning) para o posicionamento de funções virtualizadas de redes (VNF -Virtual Network Functions). Modelos de ML foram treinados e testados a partir de indicadores de desempenho do contexto de rede para a realização de dois experimentos. O primeiro relacionado à predição do tempo de resposta de redes de Internet das coisas industriais (IIoT -Industrial Internet of Things). O segundo sobre o posicionamento de VNF de segurança, também em redes IIoT. Os respectivos resultados alcançados constituem em predições de tempos de resposta de rede que são no máximo 50 milissegundos maiores do que configurações realizadas por modelos de programação linear e classificações com 99,40% de acurácia para o correto posicionamento de VNF de segurança em redes IIoT sob ataques DDoS.

show abstract

Section: Sumáriounclassified

Section: Posicionamento Inteligente De Vnf Para Mitigar Ataques Ddos ...unclassified