Detecção de Anomalias em Tráfego de Dados em Redes IoT
Os dispositivos IoT fornecem às grandes indústrias os dados vitais para rastrear estoques, gerenciar máquinas, aumentar a eficiência, economizar custos e até salvar vidas. No entanto, a infraestrutura da tecnologia IoT está sujeita a ameaças de segurança que podem comprometer a privacidade dos dados, além de levar à falhas capazes de afetar as atividades de empresas ou cidades.
Desta forma, as redes IoT precisam de mecanismos de segurança que possam atuar como uma linha de defesa para a detecção de intrusos. Dentre as várias abordagens utilizadas nos sistemas de detecção de intrusão (IDS, do inglês Intrusion Detection System), aquelas que empregam técnicas de aprendizado de máquina vêm ganhando cada vez mais destaque devido à capacidade de detecção aprimorada. Portanto, o objetivo deste trabalho é fazer um estudo comparativo de várias técnicas de aprendizado de máquina para detecção de intrusão em redes IoT.