Anomaly-based Intrusion Detection System for IoT network using machine learning and deep learning techniques
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
DOI
Abstract
The InternetofThings(IoT)isasystemofinterconnectedobjectsthatenablesthecom-
municationofhumanswithdifferentdevices.Ithasexpandedintoseveralareassuchas
health, agriculture.However,thenatureoftheIoTarchitecturehascreatednewsecurity
challenges,especiallyintheIoTnetworkwhichpresentsthelargestscaleofanIoTsystem.
Anomaly-based intrusiondetectionsystems(IDSs)areaneffectivewaytopreventabnor-
mal trafficintheIoTnetwork.ItisknownthattheIoTarchitectureisgettingmorecompli-
cated daybyday,whichmakestraditionalmethodslikestatistical-basedorknowledge-based
for anomalydetectionfacedifficultiesdetectingunknownattacksinreal-time.Therefore,
machinelearninganddeeplearningtechniqueshowexcellentperformanceindetectingsmall
anomalous dataovertime.Theseadvancedtechniquesgiveresilientmechanismstoprevent
novelattacksduetoitshigh-levelofdiscoveringhiddenpatternsinthedata.
The goalofthisworkistoprovideasetofresearchthatproposesanomaly-basedintrusion
detection systemusingmachinelearninganddeeplearningtechniques.Wethenthoroughly
discuss theadvantagesandtheshortcomingofeachapproach.Ourreportalsopresentsviaa
summary tableacomparisonofthepresentedapproaches.Finally,ourconclusionandfuture
workareidentified.***
L’internetdesobjets(IoT)estunsystèmed’objetsinterconnectésquipermetlacommu-
nication deshumainsavecdifférentsappareils.Ilapus’étendreàplusieursdomainestels
que lasanté,l’agriculture.Cependant,lanaturedel’architectureIotaacréédenouveaux
défis desécurité,enparticulierlasécuritéduréseauIotquiprésentelaplusgrandeéchelle
d’un systèmeIoT.
Les systèmesdedétectiond’intrusion(IDS)àbased’anomaliessontunmoyenefficacede
prévenirletraficanormaldansleréseauIot.Ilestconnuquel’architectureIoTsecomplique
de jourenjour,cequirendlesméthodestraditionnellescommelesméthodesbaséessur
les statistiqueoubaséessurlaconnaissancepourladétectiond’anomaliesconfrontentdes
difficultés dedétectiond’attaquesinconnuesentempsréel.Parconséquent,l’apprentissage
automatique etl’apprentissageprofondmontrentdesperformancesexcellentesdedétection
de petitesanomaliesaufildutemps.Cestechniquesavancéesoffrentunmécanismerésilient
pourempêcherdenouvellesattaquesgrâceàlagrandeaptitudededécouvertedepatterns
cachésdanslesdonnées.
L’objectifdecetravailestdefournirunensemblederecherchesquiontproposéunsys-
tème dedétectiond’intrusionsàbased’anomaliesenutilisantdestechniquesd’apprentissage
automatique etd’apprentissageprofond.Nousdiscutonsensuiteenprofondeurdesavantages
et desinconvénientsdechaqueapproche.Notrerapportprésenteégalementviauntableau
récapitulatif unecomparaisondesapprochesprésentées.Uneconclusionetnosfutureper-
spectivessontidentifiées.
Description
Mr MALKI Mimoun /Mr MALKI Abdelhamid/Mr BENABDERRAHMANE Sid Ahmed Encadreur