Deep learning based cyber-attack detection system on IoT networks

Abstract

The purpose of this project is the development of an intrusion detection framework for Internet of Things (IoT) networks. It consists on three parts. The first one is the development of a state of the art which includes a variety of datasets that were used and/or are used in the field of Deep Learning (DL) to detect cyber-attacks in Internet of Things (IoT) networks. It also covers the development of a Deep Learning (DL)-based IDS model trained with some datasets (varying the data preprocessing). Finally, studying the usage of data augmentation techniques to improve attacks classification (due to IoT datasets are scarce and unbalanced, there are families of attacks that have few registries).

El objetivo de este proyecto es el desarrollo de un framework de detección de intrusiones para redes Internet of Things (IoT). Consiste en tres partes. La primera es el desarrollo de un state of the art que incluye una variedad de conjuntos de datos que se utilizaron y/o se utilizan en el campo del Deep Learning (DL) que detecten ciberataques en redes Internet of Things (IoT). También cubre el desarrollo de un modelo Deep Learning (DL)-based IDS entrenado con algunos conjuntos de datos (variando el preprocesado de los mismos). Finalmente, estudiar el uso de técnicas de aumento de datos para mejorar la clasificación de los ataques (debido a que los conjuntos de datos de IoT son escasos y desequilibrados, hay familias de ataques que tienen pocos registros).

L'objectiu d'aquest projecte és el desenvolupament d'un framework de detecció d'intrusions per a xarxes Internet of Things (IoT). Consisteix en tres parts. La primera és el desenvolupament d'un state of the art que inclou una varietat de conjunts de dades que es van utilitzar i/o s'utilitzen al camp del Deep Learning (DL) que detectin ciberatacs en xarxes Internet of Things (IoT). També cobreix el desenvolupament d'un model Deep Learning (DL)-based IDS entrenat amb alguns conjunts de dades (variant el preprocessament d'aquets). Finalment, estudiar l'ús de tècniques d'augment de dades per millorar la classificació dels atacs (atès que els conjunts de dades d'IoT s'on escassos i desequilibrats, hi ha famílies d'atacs que tenen pocs registres).