Avaliação e Mitigação de Ataques Adversários em Sistema de Detecção de Intrusão IoT

• Antonia Mayara de A. da Silva UFC
• Paulo Antonio Leal Rego UFC
• Michel Sales Bonfim UFC

DOI: https://doi.org/10.5753/sbseg.2025.11486

Resumo

A segurança em redes IoT ainda enfrenta limitações, especialmente quando os ataques têm como alvo sistemas de detecção de intrusão (IDS) baseados em aprendizado profundo. Neste trabalho, quatro técnicas de ataques adversários foram aplicadas a modelos CNN, LSTM e GRU, e sua acurácia foi avaliada após a inserção das amostras maliciosas. Em um segundo momento, os modelos foram retreinados com essas amostras, aprendendo a reconhecer os padrões dos ataques, que é um passo importante para a mitigação desse tipo de ameaça em ambientes IoT.

Referências

Anthi, E., Williams, L., Javed, A., and Burnap, P. (2021). Hardening machine learning denial of service (dos) defences against adversarial attacks in iot smart home networks. Computers & Security, 108:102352.

Cavalcante, J., Barros, T. G., and de Souza, J. N. (2024). Autonomous network intrusion detection for resource-constrained devices of the internet of things. In Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais (SBSeg), pages 48–59. SBC.

da Silva, A. M. d. A., Bonfim, M. S., de Castro Callado, A., and Gonçalves, E. J. T. (2025). Detection and mitigation of attacks at the edge of iot networks using deep learning and p4. In Simpósio Brasileiro de Sistemas de Informação (SBSI), pages 595–604. SBC.

da Silva, G. H. E., Junior, G. F., and Zarpelao, B. B. (2024). Impacto de ataques de evasão e eficácia da defesa baseada em treinamento adversário em detectores de malware. In Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais (SBSeg), pages 829–835. SBC.

Dos Santos, B. V., Vergutz, A., Nogueira, M., and Macedo, R. T. (2022). Um método de ofuscação para proteger a privacidade no tráfego da rede iot. In Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC).

Hussain, F., Hussain, R., Hassan, S. A., and Hossain, E. (2020). Machine learning in iot security: Current solutions and future challenges. IEEE Communications Surveys & Tutorials, 22(3):1686–1721.

Novaes, M. P., Carvalho, L. F., Lloret, J., and Proença Jr, M. L. (2021). Adversarial deep learning approach detection and defense against ddos attacks in sdn environments. Future Generation Computer Systems, 125:156–167.

Qin, Q., Poularakis, K., and Tassiulas, L. (2020). A learning approach with programmable data plane towards iot security. In 2020 IEEE 40th International Conference on Distributed Computing Systems (ICDCS), pages 410–420. IEEE.

Reddy, S. S., Nishoak, K., Shreya, J., Reddy, Y. V., and Venkanna, U. (2024). A p4-based adversarial attack mitigation on machine learning models in data plane devices. Journal of Network and Systems Management, 32(1):5.

Saheed, Y. K., Abiodun, A. I., Misra, S., Holone, M. K., and Colomo-Palacios, R. (2022). A machine learning-based intrusion detection for detecting internet of things network attacks. Alexandria Engineering Journal, 61(12):9395–9409.