Autor: Omair Faraj
Programa: Doctorat en Tecnologies de la Informació i Xarxes
Idioma: Anglès
Direcció: David Megias, Joaquin Garcia-Alfaro
Departament / Institut: Escola de Doctorat
Matèries: Informàtica
Paraules clau: Marcatge, Zero-marcatge, Procedència de dades, Internet de les coses, Detecció d'intrusions, Ciberseguretat, Aprenentatge automàtic
Àrea de coneixement: Tecnologies de la Informació i Xarxes
Resum:
Aquesta tesi explora la integració de tècniques de seguretat avançades en els Sistemes de Detecció d’Intrusions (IDS) per a xarxes IoT, que enfronten creixents amenaces cibernètiques a causa de la seva naturalesa interconnectada i els recursos limitats. Els mètodes tradicionals d’IDS, com la detecció basada en signatures, només identifiquen atacs coneguts, mentre que la detecció d’anomalies pot descobrir atacs desconeguts però sovint genera elevats índexs de falses alarmes. Per afrontar aquests reptes, proposem un enfocament robust i lleuger per a la integritat i la procedència de les dades en xarxes IoT. Això inclou una tècnica de zero-marcatge per a assegurar la informació de procedència i un model d'IDS de dues capes que combina la classificació basada en aprenentatge automàtic (ML) amb el zero-marcatge per a millorar la precisió de detecció. Revisem sistemàticament tant els IDS basats en ML com les tècniques de seguretat de procedència de dades, identificant desafiaments i qüestions obertes. A més, validem el nostre enfocament mitjançant anàlisis de seguretat, simulacions numèriques i experiments, demostrant la seva eficiència computacional i eficàcia en la millora dels IDS per a xarxes IoT.