Facultad Regional Resistencia

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/106

Browse

Author: search.filters.author.Karanik, MarceloSubject: search.filters.subject.Machine Learning

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Baseline text for proposed new work item to develop a technical report of intelligent anomaly detection system for IoT
    (INTERNATIONAL TELECOMMUNICATION UNION TELECOMMUNICATION STANDARDIZATION SECTOR, 2020-07-07) Bolatti, Diego; Karanik, Marcelo; Scappini, Reinaldo; Todt, Carolina
    This document presents an update of the technical report on Intelligent Anomaly Detection System for IoT (Y.STR-IADIoT) and seeks agreement that it be the basis of future work.
  • Thumbnail Image
    Item
    Sistema inteligente de detección de anomalías para IoT
    (2021-04-15) Bolatti, Diego; Karanik, Marcelo; Todt, Carolina; Scappini, Reinaldo; Gramajo, Sergio
    En los últimos años, con el avance de Internet de las Cosas (IoT), ha aumentado la cantidad de dispositivos conectados a la red y, consecuentemente, el incremento de los riesgos de violaciones de seguridad y ataques maliciosos. Estadísticamente la mayoría de estos ataques se producen en los dispositivos finales de IoT y existen múltiples alternativas detectarlos. En ese contexto, este proyecto tiene como objetivo el diseño de un Sistema Inteligente de Detección de Anomalías para IoT que utilice técnicas de Machine Learning (ML). Específicamente, el proyecto abarca el diseño y desarrollo de un sistema capaz de detectar ataques de seguridad en base a anomalías en los dispositivos finales de IoT, aplicando técnicas de aprendizaje automático que provean el mecanismo adecuado para dicha detección.
  • Thumbnail Image
    Item
    Intelligent anomaly detection system for IoT
    (2021-05-22) Bolatti, Diego; Karanik, Marcelo; Todt, Carolina; Scappini, Reinaldo; Gramajo, Sergio
    The growing use of the Internet of Things (IoT) in different areas implies a proportional growth in threats and attacks on end devices. To solve this problem, the IoT systems must be equipped with an anomaly detection system (ADS). This work introduces the design of a hybrid ADS based on the Software-Defined Network (SDN) architecture, which combines the rule-based and Machine Learning-based detection technique. Whereas the rule-based approach is used to detect known attacks with the help of rules defined by security experts. And the Machine Learning approach is used to detect unknown attacks with the help of Artificial Intelligence techniques