Behavior Anomaly Detection in IoT Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F63839172%3A_____%2F19%3A10133251" target="_blank" >RIV/63839172:_____/19:10133251 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-030-43192-1_53" target="_blank" >http://dx.doi.org/10.1007/978-3-030-43192-1_53</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-43192-1_53" target="_blank" >10.1007/978-3-030-43192-1_53</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Behavior Anomaly Detection in IoT Networks

Popis výsledku v původním jazyce

Data encryption makes deep packet inspection less suitable nowadays, and the need of analyzing encrypted traffic is growing. Machine learning brings new options to recognize a type of communication despite the heterogeneity of encrypted IoT traffic right at the network edge. We propose the design of scalable architecture and the method for behavior anomaly detection in IoT networks. Combination of two existing semi-supervised techniques that we used ensures higher reliability of anomaly detection and improves results achieved by a single method. We describe conducted classification and anomaly detection experiments allowed thanks to existing and our training datasets. Presented satisfying results provide a subject for further work and allow us to elaborate on this idea.

Název v anglickém jazyce

Behavior Anomaly Detection in IoT Networks

Popis výsledku anglicky

Data encryption makes deep packet inspection less suitable nowadays, and the need of analyzing encrypted traffic is growing. Machine learning brings new options to recognize a type of communication despite the heterogeneity of encrypted IoT traffic right at the network edge. We propose the design of scalable architecture and the method for behavior anomaly detection in IoT networks. Combination of two existing semi-supervised techniques that we used ensures higher reliability of anomaly detection and improves results achieved by a single method. We describe conducted classification and anomaly detection experiments allowed thanks to existing and our training datasets. Presented satisfying results provide a subject for further work and allow us to elaborate on this idea.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20206 - Computer hardware and architecture

Projekt

<a href="/cs/project/VI20172020079" target="_blank" >VI20172020079: Zabezpečená brána pro internet věcí (SIoT)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceeding of the International Conference on Computer Networks, Big Data and IoT (ICCBI - 2019)

ISBN

978-3-030-43192-1

ISSN

—

e-ISSN

—

Počet stran výsledku

9

Strana od-do

465-473

Název nakladatele

Springer

Místo vydání

Neuveden

Místo konání akce

Madurai, India

Datum konání akce

19. 12. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—