Title:	ARQUITETURA DE DETECÇÃO DE INTRUSÃO POR ANOMALIAS COM FEDERATED LEARNING EM REDES IoT
Author(s):	Samuel Carlos Menêses Soares, Francisco Lopes de Caldas Filho, Maria Flávia Soares, Fábio Lúcio Lopes de Mendonça, Edna Dias Canedo e Rafael Timóteo de Sousa Jr
ISBN:	978-989-8704-45-0
Editors:	Paula Miranda, Cristiano Costa e Flávia Maria Santoro
Year:	2022
Edition:	Single
Keywords:	Internet das Coisas, Aprendizado de Máquina, Inteligência Artificial, Detecção de Intrusão, Federated Learning
Type:	Full Paper
First Page:	27
Last Page:	34
Language:	English
Cover:
Full Contents:	click to dowload
Paper Abstract:	O mercado tecnológico de Internet das Coisas (IoT) teve um avanço nos últimos anos, possuindo cada vez mais dispositivos capazes de realizar tarefas de forma inteligente tanto em ambientes industriais como ambientes domésticos. A composição desses dispositivos apresenta uma grande simplicidade em termos de arquitetura por questões de custo-benefício e praticidade, porém, essa questão traz problemas de segurança e privacidade para as redes IoT devido à quantidade de vulnerabilidades que vão sendo identificadas e exploradas por conseguinte. Com isso, métodos foram sendo aplicados para solucionar esses problemas de exploração de vulnerabilidades, como a utilização de sistemas de detecção e prevenção de intrusão para identificar possíveis ataques na rede e realizar ações preventivas em tempo real. Um dos métodos utilizado para aplicar esse tipo de sistema é a detecção por anomalias, consistindo na observação de padrões de comunicação para distinguir os tráfegos por sua natureza, sendo altamente utilizado com técnicas de Aprendizado de Máquina e Inteligência Artificial (AI) por questões de inovação e automatização. Então, será apresentada neste trabalho uma solução de sistema de detecção de intrusão por anomalias para redes IoT com o intuito de identificar tráfegos maliciosos e distingui-los de tráfegos benignos, contendo a utilização de métodos de aprendizado de máquina, como o Federated Learning.
	Go Back