logo móvil
Contáctanos

Sistema de Detección de Intrusiones Colaborativo Inteligente para Asegurar Redes Vehiculares Usando un Modelo de Aprendizaje Automático por Conjunto

Autores: El-Gayar, Mostafa Mahmoud; Alrslani, Faheed A. F.; El-Sappagh, Shaker

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Sistema de Detección de Intrusiones Colaborativo Inteligente para Asegurar Redes Vehiculares Usando un Modelo de Aprendizaje Automático por Conjunto


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Internet de las cosas
Vehículos inteligentes
Amenazas cibernéticas
Redes vehiculares
Red de conjunto estructurada en bosque dinámico
Internet de los vehículos

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
La llegada de la Cuarta Revolución Industrial ha posicionado al Internet de las Cosas como una fuerza fundamental en los vehículos inteligentes. Con la fuente de vehículo a todo (V2X), redes de Internet de las Cosas (IoT) y comunicación entre vehículos, los vehículos conectados inteligentes están a la vanguardia de esta transformación, dando lugar a redes vehiculares complejas que son cruciales pero susceptibles a amenazas cibernéticas. La complejidad y apertura de estas redes las expone a una plétora de ciberataques, desde la escucha pasiva hasta interrupciones activas como ataques de Denegación de Servicio y ataques Sybil. Estos no solo comprometen la seguridad y eficiencia de las redes vehiculares, sino que también representan un riesgo significativo para la estabilidad y resiliencia del Internet de los Vehículos. Abordando estas vulnerabilidades, este documento propone una Red de Conjunto Estructurada Dinámica (DFSENet) específicamente diseñada para el Internet de los Vehículos (IoV). Al aprovechar técnicas de balanceo de datos y reducción de dimensionalidad, el modelo DFSENet está diseñado para detectar una amplia gama de amenazas cibernéticas de manera efectiva. El modelo propuesto demuestra una alta eficacia, con una precisión del 99.2% en el conjunto de datos CICIDS y del 98% en el conjunto de datos de hackeo de automóviles. Las métricas de precisión, recuperación y medida f se sitúan en 95.6%, 98.8% y 96.9%, respectivamente, estableciendo el modelo DFSENet como una solución robusta para asegurar el IoV contra ciberataques.

Otros recursos que podrían interesarte

Temas Virtualpro