Система виявлення мережевих вторгнень для IoT

Abstract

З розширенням Інтернету речей (IoT) і еволюцією методів атак безпека IoT стала більш критичною проблемою. OneM2M — це глобальна ініціатива стандартизації для IoT, тому її безпека передбачає безпеку екосистеми IoT. Тому ми зосереджуємо свою роботу на безпеці відповідно до стандарту oneM2M. У цій роботі ми пропонуємо систему виявлення та запобігання вторгненням (IDPS) на основі машинного навчання (ML) для систем IoT на основі oneM2M. У нашій стратегії IDPS використовуються методи ML, щоб застосувати нові технології, особливо з їх цікавими результатами, які вже підтверджені в сфері безпеки. Наш oneM2M-IDPS виявляє потенційні загрози та негайно реагує. Він виявляє та класифікує загрози на трьох різних рівнях ML і швидко реагує відповідними діями.

With the expansion of the Internet of Things (IoT) and the evolution of attack techniques, IoT security has become a more critical concern. OneM2M is a global standardization initiative for the IoT, therefore its security implies the security of the IoT ecosystem. Hence,we focusour work on the security of the oneM2M standard. In this thesis, we propose an Intrusion Detection and Prevention System (IDPS) based on Machine Learning (ML) for the oneM2M-based IoT systems. In order to adopt emerging technologies and especially with its interesting results already proven in the security domain, ML techniques are used in our IDPS strategy. Our oneM2M-IDPS detects potential threats and responds immediately. It detects and classifies threats on three different ML levels and reacts quickly with appropriate actions