Un enfoque de aprendizaje automático para detectar ataques de degradación de WPA3 en sistemas Wi-Fi de próxima...

Área de la Ciencia:

• Ciberseguridad
• Seguridad de la red inalámbrica
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• El acceso protegido Wi-Fi 3 (WPA3) es fundamental para asegurar las redes de acceso de radio (RAN) modernas Wi-Fi y 5G&B.
• Los canales inalámbricos son vulnerables a los ataques de degradación, lo que obliga a las redes de WPA3 a WPA2 a explotar fallas de seguridad.
• Los sistemas tradicionales de detección de intrusiones (IDS) carecen de capacidad de adaptación a los entornos de red en evolución y a los ataques sofisticados.

Objetivo del estudio:

• Desarrollar y evaluar un enfoque híbrido de aprendizaje automático adaptativo para la detección de ataques de degradación en redes WPA3.
• Mejorar la seguridad de las redes WPA3 contra los adversarios que exploten las vulnerabilidades de degradación.
• Introducir un nuevo enfoque basado en ML para la selección de características y el establecimiento de umbrales para la detección de ataques de degradación (MFST-DAD).

Principales métodos:

• Un enfoque en tres etapas: preprocesamiento de datos de tráfico, selección de características adaptativas y detección/prevención en tiempo real mediante algoritmos de aprendizaje automático.
• Utilizando algoritmos de aprendizaje automático para clasificar el tráfico, seleccionar características y establecer umbrales de adaptación.
• Validación experimental en un conjunto de datos personalizado para evaluar el rendimiento en los modos de transición personal y empresarial de WPA3.

Principales resultados:

• El enfoque MFST-DAD propuesto logró una precisión del 99,8% en la detección de ataques de degradación.
• Un clasificador de Bayes ingenuo demostró una alta eficacia dentro del marco MFST-DAD.
• Se confirmó la detección exitosa en los modos de transición personal y empresarial de WPA3.

Conclusiones:

• El enfoque desarrollado basado en ML detecta efectivamente los ataques de degradación en las redes WPA3.
• El método MFST-DAD ofrece una mejora significativa con respecto a los IDS tradicionales para la seguridad WPA3.
• Esta investigación confirma la viabilidad de las técnicas de aprendizaje automático adaptativas para asegurar los sistemas Wi-Fi de próxima generación.