Combinación de optimizador basado en cuántica y red de pirámide de características para la detección de intrusiones...

Área de la Ciencia:

• Ciberseguridad
• Sistemas de Detección de Intrusiones (IDS)
• Seguridad Cloud-IoT

Sus antecedentes:

• El entorno dinámico Cloud-IoT requiere sistemas avanzados de detección de intrusiones (IDS).
• Las soluciones existentes tienen dificultades con la gestión del tráfico de red de alta dimensionalidad y heterogéneo.
• Las limitaciones en los IDS actuales dificultan la detección eficaz de amenazas en infraestructuras de red complejas.

Objetivo del estudio:

• Presentar una estructura IDS mejorada para entornos Cloud-IoT.
• Mejorar la gestión del tráfico de red de alta dimensionalidad y heterogéneo.
• Aprovechar la optimización inspirada en cuántica para un rendimiento superior del IDS.

Principales métodos:

• Se desarrolló una Red de Pirámide de Características Mejorada (EFPN) adaptada para datos de red tabulares mediante la extracción de características multiescala.
• Se integró un Optimizador de Desarrollo de Dibujo Infantil Mejorado Cuánticamente (Q-CDDO) que utiliza puertas de rotación cuántica para la optimización de hiperparámetros.
• Se validó el modelo en conjuntos de datos de referencia: CIC-IDS-2017 y Bot-IoT.

Principales resultados:

• Se logró una precisión del 96,3 % en el conjunto de datos CIC-IDS-2017.
• Se logró una precisión del 94,6 % en el conjunto de datos Bot-IoT.
• Los estudios de ablación confirmaron el efecto sinérgico de EFPN y Q-CDDO.
• La visualización verificó el poder discriminatorio del modelo.

Conclusiones:

• El modelo propuesto EFPN y Q-CDDO avanza significativamente las capacidades de detección de intrusiones en Cloud-IoT.
• Las metaheurísticas inspiradas en cuántica demuestran un gran potencial para mejorar las soluciones de ciberseguridad.
• El estudio valida la eficacia del enfoque integrado para el análisis dinámico del tráfico de red.