Author:
Souza Cristian H. M.,Arima Carlos H.
Abstract
Programas maliciosos continuam sendo um dos principais desafios para a segurança dos sistemas computacionais. O crescimento do paradigma tecnológico da Internet das Coisas tem gerado diversas preocupações a respeito da segurança dos dispositivos conectados à Internet, especialmente em ambientes industriais, onde o comprometimento ou mau funcionamento de tais aparelhos pode ocasionar danos ao ambiente físico e colocar vidas humanas em risco. Este trabalho propõe o uma ferramenta híbrida para detecção de artefatos maliciosos em ambientes IoT habilitados por SDN. A solução combina o uso de regras YARA e machine learning para classificação de artefatos maliciosos a partir da análise do tráfego da rede. O algoritmo Random Forest implementado obteve uma acurácia de 99.33% no conjunto de dados de teste. Ao ser avaliada contra programas maliciosos reais, a ferramenta obteve uma taxa de detecção de 98.44% e um tempo de processamento médio de 0.0217s.
Publisher
Sociedade Brasileira de Computação - SBC
Reference11 articles.
1. Chaganti, R., Suliman, W., Ravi, V., and Dua, A. (2023). Deep learning approach for sdn-enabled intrusion detection system in iot networks. Information, 14(1):41.
2. Chang, H.-F., Wang, M. I.-C., Hung, C.-H., and Wen, C. H.-P. (2022). Enabling malware detection with machine learning on programmable switch. In NOMS 2022-2022 IEEE/IFIP Network Operations and Management Symposium, pages 1–5. IEEE.
3. Garcia, S., Parmisano, A., and Erquiaga, M. J. (2020). IoT-23: A labeled dataset with malicious and benign IoT network traffic. More details here [link].
4. Gaurav, A., Gupta, B. B., and Panigrahi, P. K. (2023). A comprehensive survey on machine learning approaches for malware detection in iot-based enterprise information system. Enterprise Information Systems, 17(3):2023764.
5. Hauser, F., Häberle, M., Merling, D., Lindner, S., Gurevich, V., Zeiger, F., Frank, R., and Menth, M. (2023). A survey on data plane programming with p4: Fundamentals, advances, and applied research. Journal of Network and Computer Applications, 212:103561.