BFL-SDWANTrust: Marco de confianza habilitado para el aprendizaje federado de Blockchain para la comunicación segura...

Área de la Ciencia:

• Redes de ordenadores
• Ciberseguridad
• Aprendizaje automático

Sus antecedentes:

• Las redes de área amplia definidas por software (SD-WAN) son cruciales para la confiabilidad de la red empresarial, pero son vulnerables a los nodos maliciosos.
• Los métodos de aprendizaje automático existentes para detectar nodos maliciosos sufren de baja precisión y preocupaciones de privacidad.
• Las arquitecturas SD-WAN centralizadas introducen puntos únicos de falla y cuellos de botella de rendimiento.

Objetivo del estudio:

• Proponer un nuevo marco de confianza habilitado para el aprendizaje federado de cadenas de bloques (BFL-SDWANTrust) para la comunicación segura este-oeste en SD-WAN de múltiples controladores.
• Abordar las limitaciones de las SD-WAN tradicionales mejorando la detección de nodos maliciosos y garantizando la privacidad de los datos.
• Eliminar la dependencia de terceros o entidades centralizadas para las operaciones y la validación de la red.

Principales métodos:

• Implementó un enfoque de aprendizaje federado que permite la capacitación de modelos locales en nodos de borde sin agregación central de datos.
• Desarrolló una red basada en blockchain para validar todas las comunicaciones de red y las transacciones de detección de nodos maliciosos.
• Evaluó el modelo BFL-SDWANTrust en el conjunto de datos InSDN con modelos de detección de nodos maliciosos de referencia.

Principales resultados:

• BFL-SDWANTrust logró un rendimiento superior en comparación con los modelos de referencia en varias métricas.
• El modelo demostró una alta precisión (98,8%), precisión (98,0%), recuerdo (97,0%) y puntuación F1 (97,7%).
• Se logró una reducción significativa de los tiempos de entrenamiento (12 s) y de prueba (3,1 s).

Conclusiones:

• El BFL-SDWANTrust propuesto mejora efectivamente la seguridad y la privacidad en las SD-WAN de múltiples controladores.
• El aprendizaje federado y la integración de blockchain proporcionan una solución robusta y descentralizada para la detección de nodos maliciosos.
• El marco ofrece una mejor generalización en entornos SD-WAN heterogéneos mientras se preserva la privacidad de la entidad de red.