Detección de anomalías en redes IoT mediante Mapas Autooganizados

Abstract

[Resumen] El objetivo principal de este trabajo fin de grado es el estudio de las características del tráfico en las redes IoT mediante redes de neuronas artificiales de tipo SOM. Para ello se han recopilado diferentes datasets con información de tráfico de redes IoT, se han analizado las características del tráfico para su clasificación, se ha elaborado un preprocesado de datos para su adecuación al sistema de procesamiento, se establecieron diferentes configuraciones de SOM y se ha hecho un análisis y comparación de los resultados obtenidos. Finalmente se han planteado las conclusiones del trabajo realizado. Entre la diversidad de entornos en los que están presentes las redes IoT, en este trabajo nos hemos centrado en los Sistemas de Control Industrial, y más concretamente en los formados por los sistemas SCADA. Éstos son importantes en procesos industriales e infraestructuras críticas. Tradicionalmente, la infraestructura de comunicaciones de los sistemas industriales ha sido independiente de la red de datos, estando completamente aisladas entre sí. Sin embargo en los últimos años con el advenimiento de \Internet de las Cosas" (Internet of Things, IoT) cada vez es más habitual integrar redes de sensores y actuadores en entornos IP para mejorar la eficiencia y la productividad. Esta integración con Internet ha traído varios problemas relacionados con la seguridad ya que cuando estos entornos fueron desarrollados la seguridad no fue un tema principal a tener en cuenta. Los sistemas de detección de intrusiones podrían descubrir posibles ataques a estos entornos, resolviendo así algunos de los problemas relacionados con la seguridad. En este trabajo se propone un sistema de detección de anomalías, que utiliza el análisis de las características más relevantes de las cabeceras de los paquetes para la construcción del perfil de comportamiento normal de la red y de las anomalías que se puedan producir en las redes SCADA.