Uma proposta de controlador SDN e Aprendizado de Máquina para detecção de ataques por botnets em redes IoT: uma abordagem para o ensino de redes de computadores
Resumo
No ensino de redes de computadores, o uso de cenários que simulem os ambientes reais é importante para aprendizagem e fixação do conhecimento. Este artigo descreve uma proposta de controlador SDN (Redes Definidas por Software) para detecção de ataques em redes de Internet das Coisas (IoT). Para isso, é proposto um backend distribuído de alto desempenho com IA fazendo uso do protocolo OpenFlow para intervenção imediata nos switches que conectam sensores e atuadores. Para validação da proposta, foi utilizado o dataset BotIoT e um ambiente simulado em GNS3. Ao final, unindo situações de ataques reais e conceitos de SDN, tem-se um ambiente propício pra compreensão do uso de inteligência artificial no contexto de redes de computadores.
Referências
Corino, M., Bertagnolli, S., and Schmitt, M. (2020). Desenvolvimento e aplicação de uma estratégia pedagógica para o ensino de redes de computadores com robótica educacional. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1663–1672, Porto Alegre, RS, Brasil. SBC.
Costa, V., Zarpelão, B., Miani, R., and Junior, S. B. (2018). Online detection of botnets on network flows using stream mining. In Anais do XXXVI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 225–238, Porto Alegre, RS, Brasil. SBC.
Duan, L., Zhou, J., Wu, Y., and Xu, W. (2022). A novel and highly efficient botnet detection algorithm based on network traffic analysis of smart systems. International Journal of Distributed Sensor Networks, 18(3):15501477211049910.
Gil, P., García, G. J., Delgado, A. D., Medina, R. M., Calderon, A., and Marti, P. (2014). Computer networks virtualization with GNS3: evaluating a solution to optimize resources and achieve a distance learning. In IEEE Frontiers in Education Conference, FIE 2014, Proceedings, Madrid, Spain, October 22-25, 2014, pages 1–4. IEEE Computer Society.
Kh, D. R., Botirov, S., and Juraev, F. (2021). A simulation model of a cloud data center based on traditional networks and software-defined network. In 2021 International Conference on Information Science and Communications Technologies (ICISCT), pages 1–4. IEEE.
Li, M., Yu, F. R., Si, P., and Zhang, Y. (2019). Energy-efficient machine-to-machine (m2m) communications in virtualized cellular networks with mobile edge computing (mec). IEEE Transactions on Mobile Computing, 18(7):1541–1555.
Maeda, S., Kanai, A., Tanimoto, S., Hatashima, T., and Ohkubo, K. (2019). A botnet detection method on sdn using deep learning. In 2019 IEEE International Conference on Consumer Electronics (ICCE), pages 1–6.
Nunez, A., Ayoka, J., Islam, M. Z., and Ruiz, P. (2023). A brief overview of software-defined networking.
Yamasaki, Y., Miyamoto, Y., Yamato, J., Goto, H., and Sone, H. (2011). Flexible access management system for campus vlan based on openflow. In Proceedings - 11th IEEE/IPSJ International Symposium on Applications and the Internet, SAINT 2011, Proceedings - 11th IEEE/IPSJ International Symposium on Applications and the Internet, SAINT 2011, pages 347–351. 11th IEEE/IPSJ International Symposium on Applications and the Internet, SAINT 2011 ; Conference date: 18-07-2011 Through 21-07-2011.
Costa, V., Zarpelão, B., Miani, R., and Junior, S. B. (2018). Online detection of botnets on network flows using stream mining. In Anais do XXXVI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 225–238, Porto Alegre, RS, Brasil. SBC.
Duan, L., Zhou, J., Wu, Y., and Xu, W. (2022). A novel and highly efficient botnet detection algorithm based on network traffic analysis of smart systems. International Journal of Distributed Sensor Networks, 18(3):15501477211049910.
Gil, P., García, G. J., Delgado, A. D., Medina, R. M., Calderon, A., and Marti, P. (2014). Computer networks virtualization with GNS3: evaluating a solution to optimize resources and achieve a distance learning. In IEEE Frontiers in Education Conference, FIE 2014, Proceedings, Madrid, Spain, October 22-25, 2014, pages 1–4. IEEE Computer Society.
Kh, D. R., Botirov, S., and Juraev, F. (2021). A simulation model of a cloud data center based on traditional networks and software-defined network. In 2021 International Conference on Information Science and Communications Technologies (ICISCT), pages 1–4. IEEE.
Li, M., Yu, F. R., Si, P., and Zhang, Y. (2019). Energy-efficient machine-to-machine (m2m) communications in virtualized cellular networks with mobile edge computing (mec). IEEE Transactions on Mobile Computing, 18(7):1541–1555.
Maeda, S., Kanai, A., Tanimoto, S., Hatashima, T., and Ohkubo, K. (2019). A botnet detection method on sdn using deep learning. In 2019 IEEE International Conference on Consumer Electronics (ICCE), pages 1–6.
Nunez, A., Ayoka, J., Islam, M. Z., and Ruiz, P. (2023). A brief overview of software-defined networking.
Yamasaki, Y., Miyamoto, Y., Yamato, J., Goto, H., and Sone, H. (2011). Flexible access management system for campus vlan based on openflow. In Proceedings - 11th IEEE/IPSJ International Symposium on Applications and the Internet, SAINT 2011, Proceedings - 11th IEEE/IPSJ International Symposium on Applications and the Internet, SAINT 2011, pages 347–351. 11th IEEE/IPSJ International Symposium on Applications and the Internet, SAINT 2011 ; Conference date: 18-07-2011 Through 21-07-2011.
Publicado
23/08/2023
Como Citar
COSTA, Bruno Henrique Graziano; RODRIGUES, Antonio Wendell de Oliveira.
Uma proposta de controlador SDN e Aprendizado de Máquina para detecção de ataques por botnets em redes IoT: uma abordagem para o ensino de redes de computadores. In: CONGRESSO SOBRE TECNOLOGIAS NA EDUCAÇÃO (CTRL+E), 8. , 2023, Santarém/PA.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 463-468.
DOI: https://doi.org/10.5753/ctrle.2023.232727.
