Monitorowanie ruchu internetowego jest kluczowym zadaniem z punktu widzenia bezpieczeństwa i niezawodności sieci komunikacyjnych oraz infrastruktury Internetu rzeczy (IoT). Analiza statystyk dotyczących charakterystyki ruchu może w znaczący sposób przysłużyć się do wykrywania anomalii w ruchu. Ponadto, aby skuteczniej wykrywać cyberprzestępstwa, nowe ataki jak również przeciążenia sieci, w pracy proponuje się model wykrywania anomalii ruchu z wykorzystaniem wektora wykładnika Hursta i widma multifraktalnego. W przeprowadzonych badaniach wykazano, że analiza multifraktalna wykazuje wrażliwość na wszelkie odchylenia właściwości ruchu sieciowego wynikające z anomalii. Proponowane metody analizy ruchu mogą być idealne do ochrony krytycznych zasobów danych i utrzymania ciągłości usług internetowych, w tym IoT będącego ważnym składnikiem infrastruktury Industry 4.0.
Dymora P, Mazurek M. Anomaly Detection in IoT Communication Network Based on Spectral Analysis and Hurst Exponent. Applied Sciences. 2019; 9(24):5319
Abstract.
Internet traffic monitoring is a crucial task for the security and reliability of communication networks and Internet of Things (IoT) infrastructure. This description of the traffic statistics is used to detect traffic anomalies. Nowadays, intruders and cybercriminals use different techniques to bypass existing intrusion detection systems based on signature detection and anomalies. In order to more effectively detect new attacks, a model of anomaly detection using the Hurst exponent vector and the multifractal spectrum is proposed. It is shown that a multifractal analysis shows a sensitivity to any deviation of network traffic properties resulting from anomalies. Proposed traffic analysis methods can be ideal for protecting critical data and maintaining the continuity of internet services, including the IoT.
