Configuração de redes com linguagem natural apoiadas na identificação dos dispositivos: Um mapeamento sistemático

Alex Santos; Geraldo P. Rocha Filho; Rodolfo Ipolito Meneguette; Roger Immich

doi:10.5753/sbcup.2023.230633

Alex Santos UFRN
Geraldo P. Rocha Filho UESB
Rodolfo Ipolito Meneguette USP
Roger Immich UFRN

DOI: https://doi.org/10.5753/sbcup.2023.230633

Resumo

A proliferação de dispositivos inteligentes em ambientes residenciais tem ensejado uma crescente demanda por controle de acesso à rede. Este requisito pode ser motivado por usuários que almejam bloquear o acesso a determinados dispositivos por razões de controle parental ou para prevenir acessos não autorizados. Apesar de os roteadores domiciliares disponibilizarem recursos para tal controle, muitos usuários leigos se deparam com entraves, uma vez que não detêm conhecimento técnico suficiente para configurar estes equipamentos e, frequentemente, a interface de configuração carece de padronização. Com o intuito de superar este obstáculo, a linguagem natural emerge como alternativa mais acessível para usuários não técnicos, permitindo-lhes descrever regras de controle de acesso para seus dispositivos utilizando sua língua materna. Neste trabalho, é proposta uma revisão sistemática que tem como objetivo analisar o estado da arte e as lacunas em relação à configuração de redes utilizando linguagem natural, além de investigar o conhecimento atual sobre a identificação automática de tipos de dispositivos e questões de segurança em redes residenciais. Os resultados da pesquisa indicam que o uso da linguagem natural para configuração de redes ainda é limitado às redes definidas por software e pouco explorado no contexto residencial. Ademais, foi constatado que nenhum estudo até o momento buscou integrar o controle de acesso por tipo de dispositivo por meio da linguagem natural.

Palavras-chave: linguagem natural, linguagem de intenção, configuração de rede, identificação de dispositivos, tipo de dispositivo

Referências

Alsudais, A. and Keller, E. (2017). Hey network, can you understand me? In IEEE Conference on Computer Communications Workshops (WKSHPS), pages 193–198.

Ammar, N., Noirie, L., and Tixeuil, S. (2019). Network-protocol-based iot device identification. In Inter. Conf. on Fog and Mobile Edge Computing (FMEC), pages 204–209.

Cesário, H. and et al (2022). Arquitetura para gerenciamento de dispositivos através de assistentes virtuais comandados por voz. In CoUrb, pages 1–14. SBC.

do Prado, P. F. and et al (2021). Mobile Edge Computing for Content Distribution and Mobility Support in Smart Cities, pages 473–500. Springer International Publishing.

Fiorenza, M. and et al (2021). Representação e aplicação de políticas de segurança em firewalls de redes híbridas. In SBRC, pages 490–503. SBC.

Hohum, T. and et al (2021). Scottishfold: Catboost-enabled lightweight autonomous smart home device classification. In Globecom Workshops, pages 1–6.

Jacobs, A. S. and et al (2021). Hey, lumi! using natural language for intent-based network management. In USENIX, pages 625–639.

Jacobs, A. S., Pfitscher, R. J., Ferreira, R. A., and Granville, L. Z. (2019). Refining network intents for self-driving networks. SIGCOMM Comp. Comm., 48(5):55–63.

Kitchenham, B. A. and Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering. Technical Report EBSE 2007-001, Keele University and Durham University Joint Report.

Leivadeas, A. and Falkner, M. (2022). A survey on intent based networking. IEEE Communications Surveys & Tutorials, pages 1–1.

Liu, X., Holden, B., and Wu, D. (2017). Automated synthesis of access control lists. In Inter. Conference on Software Security and Assurance (ICSSA), pages 104–109.

Marchal, S. and et al (2019). Audi: Toward autonomous iot device-type identification using periodic communication. IEEE Journal on Sel. Areas in Communications, 37(6).

Miettinen, M. and et al (2017). Iot sentinel: Automated device-type identification for security enforcement in iot. In ICDCS, pages 2177–2184.

Neto, E. P. and et al (2021). Seamless mano of multi-vendor sdn controllers across federated multi-domains. Computer Networks, 186:107752.

Nguyen, M.-T.-A., Souihi, S. B., Tran, H.-A., and Souihi, S. (2022). When nlp meets sdn : an application to global internet exchange network. In ICC, pages 2972–2977.

Paudel, U. and et al (2021). Context-aware iot device functionality extraction from specifications for ensuring consumer security. In CNS, pages 155–163.

Petersen, K., Feldt, R., Mujtaba, S., and Mattsson, M. (2008). Systematic mapping studies in software engineering. BCS Learning & Development.

Pisani, F. and et al (2020). Fog computing on constrained devices: Paving the way for the future iot. Adv. in Edge Comp.: Massive Parallel Processing and Applications, 35:22.

Ribeiro, R. H. (2020). A bottom-up approach for extracting network intents. Accepted: 2020-11-21T04:25:11Z.

Ribeiro, R. H. and et al (2022). A deterministic approach for extracting network security intents. Computer Networks, 214:109109.

Rivera, S., Fei, Z., and Griffioen, J. (2020). Polanco: Enforcing natural language network policies. In Inter. Conf. on Comp. Comm. and Networks (ICCCN), pages 1–9.

Rodrigues, D. O. and et al (2019). Computação urbana da teoria à prática: Fundamentos, aplicações e desafios. Technical report, Minicurso SBRC.

Saha, B. K. and et al (2022). Intent-based industrial network management using natural language instructions. In IEEE CONECCT, pages 1–6.

Salman, O., Chaddad, L., Elhajj, I. H., Chehab, A., and Kayssi, A. (2018). Pushing intelligence to the network edge. In SDS, pages 87–92.

Salman, O. and et (2022). A machine learning based framework for IoT device identification and abnormal traffic detection. Trans. on Emerging Telecommunications Technologies, 33(3). Pub.: John Wiley & Sons.

Shi, P., Song, Y., Fei, Z., and Griffioen, J. (2021). Checking network security policy violations via natural language questions. In ICCCN, pages 1–9.

Sánchez, P. M. S. and et al (2021). A survey on device behavior fingerprinting: Data sources, techniques, application scenarios, and datasets. IEEE Communications Surveys & Tutorials, 23(2):1048–1077.

Tian, B. and et al (2019). Safely and automatically updating in-network acl configurations with intent language. SIGCOMM ’19, page 214–226. ACM.

Xiao, Y. and et al (2022). Lightweight natural language driven intent translation mechanism for intent based networking. In ICCCS, pages 46–51.

Yu, L. and et al (2018). Wdmti: Wireless device manufacturer and type identification using hierarchical dirichlet process. In IEEE MASS, pages 19–27.

Zeydan, E. and Turk, Y. (2020). Recent advances in intent-based networking: A survey. In 2020 IEEE 91st Vehicular Technology Conference (VTC2020-Spring), pages 1–5.