IOT-IDS: UMA ABORDAGEM DE DETECÇÃO DE INTRUSÃO BASEADO EM APRENDIZADO DE MÁQUINA PARA SISTEMAS DE INTERNET DAS COISAS.
IoT, segurança e privacidade, IDS, Aprendizado de Máquina, Redes Neurais.
Com o uso crescente de dispositivos inteligentes em diversos mercados e aplicações, a
segurança e a privacidade em sistemas de Internet das Coisas (IoT) tornam-se cada vez mais
relevantes. Isso se deve ao fato de que os dados coletados e transmitidos por esses sistemas
podem ter um valor significativo, inclusive financeiro. No entanto, os mecanismos de segurança
e privacidade de dados já consagrados na computação em geral não se aplicam aos sistemas
IoT devido às questões de arquitetura computacional e a natureza limitada desses dispositivos.
A disponibilização de ferramentas para desenvolvedores de sistemas IoT que permitam
construir aplicações com menor risco à privacidade dos dados se apresenta como uma proposta
valiosa. Assim, este trabalho propõe uma abordagem implementada em uma ferramenta de
detecção de invasão, com o objetivo de mitigar as questões de segurança e privacidade de dados
inerentes aos protocolos IoT. Para isso, foram empregadas técnicas de aprendizado de máquina,
com destaque para redes neurais. A avaliação da abordagem foi realizada em um ambiente com
dispositivos IoT reais e simulações de ataques.