Algoritmo de optimización Osprey integrado con redes neuronales gráficas para la detección de intrusiones en redes de...

Área de la Ciencia:

• Ciberseguridad
• Seguridad de Redes
• Aprendizaje Automático

Sus antecedentes:

• Las redes de sensores inalámbricos (WSN) son cada vez más vulnerables a ciberataques sofisticados.
• Los sistemas de detección de intrusiones (IDS) convencionales luchan con capacidades limitadas, altas tasas de falsas alarmas y procesamiento de datos complejo.
• Existe una necesidad crítica de IDS avanzados para garantizar la seguridad de las WSN.

Objetivo del estudio:

• Proponer un modelo novedoso OOA-GNN para mejorar la detección de intrusiones en WSN.
• Mejorar la precisión y la eficiencia de la detección de ataques minimizando las falsas alarmas.
• Aprovechar el aprendizaje profundo en estructuras gráficas para la identificación de relaciones complejas en datos de WSN.

Principales métodos:

• Desarrolló un marco novedoso OOA-GNN que integra el algoritmo de optimización Osprey (OOA) y las redes neuronales gráficas (GNN).
• Utilizó un marco de aprendizaje profundo en representaciones gráficas de datos de WSN para capturar patrones intrincados de la red.
• Aplicó la técnica de sobremuestreo de minorías sintéticas (SMOTE) para abordar el desequilibrio de datos en el conjunto de datos de redes de sensores inalámbricos (WSN-DS).
• Ajustó los hiperparámetros de GNN utilizando OOA para optimizar el rendimiento de la detección.

Principales resultados:

• El modelo OOA-GNN logró una alta precisión del 99,68 % en el conjunto de datos desequilibrado WSN-DS.
• OOA-GNN superó a los clasificadores tradicionales, incluidos AdaBoost, GBM, XGBoost, KNN-AOA y KNN-PSO.
• Demostró un rendimiento superior en términos de baja tasa de falsos positivos y adaptabilidad a las fluctuaciones de la red en comparación con los métodos convencionales.

Conclusiones:

• El modelo OOA-GNN ofrece un avance significativo en la seguridad de las WSN a través de una detección de intrusiones eficiente y precisa.
• La integración de la sintonización de parámetros de OOA con el marco basado en gráficos de GNN mejora las operaciones de WSN en tiempo real.
• El método propuesto reduce eficazmente las falsas alarmas y mejora la fiabilidad general de la red y la precisión de la detección de ataques.