Cifrado homomórfico guiado por LSTM para redes IoT resistentes a amenazas

Área de la Ciencia:

• Ciberseguridad
• Seguridad de redes
• Privacidad de datos

Sus antecedentes:

• El Internet de las cosas (IoT) se enfrenta a importantes desafíos de seguridad y privacidad debido a su naturaleza distribuida y a las limitaciones de recursos.
• Las soluciones existentes, como la criptografía tradicional y el aprendizaje automático, carecen de privacidad de datos en tiempo real e integrada y de resiliencia ante amenazas.
• El cifrado homomórfico (HE) es computacionalmente costoso y las redes de memoria a largo plazo (LSTM) predicen anomalías en lugar de cifrar datos.

Objetivo del estudio:

• Proponer NeuroCrypt, un novedoso sistema híbrido para la detección de amenazas en tiempo real y con preservación de la privacidad en redes IoT.
• Abordar las limitaciones de los métodos existentes integrando técnicas avanzadas de cifrado, detección de anomalías y gestión de la seguridad.

Principales métodos:

• NeuroCrypt combina el cifrado totalmente homomórfico (FHE) con la detección de anomalías cifradas basada en LSTM.
• Incorpora blockchain para la gestión dinámica de claves y la autenticación multifactor.
• La arquitectura está optimizada para la computación en el borde y en la niebla utilizando técnicas como el empaquetado de texto cifrado, la cuantificación de modelos y las operaciones cifradas paralelizadas.

Principales resultados:

• El marco propuesto NeuroCrypt logró una precisión del 99,2% en un conjunto de datos real.
• El rendimiento se evaluó frente a métodos existentes, incluidos redes neuronales profundas (DNN) basadas en HE, modelos de aprendizaje federado (FL) y sistemas de detección de intrusiones (IDS) LSTM.

Conclusiones:

• NeuroCrypt ofrece una solución eficaz, escalable y con preservación de la privacidad para la mitigación de amenazas en tiempo real en entornos IoT.
• El enfoque híbrido integra con éxito el cifrado, la detección de anomalías y la gestión robusta de la seguridad para mejorar la seguridad de IoT.