Year: 2026
Type: paratext
Abstract: The Internet of Things (IoT) has expanded its applications across multiple domains, making security issues increasingly critical.This work proposes a deep learning-based solution for attack detection in IoT networks, combined with fast traffic mitigation using the P4 language, which enables data plane programmability.Three deep learning models: CNN, GRU, and LSTM, were trained and evaluated using the Edge-IIoTset dataset, achieving accuracy above 99%.The models were deployed on a Raspberry Pi 4 with P4Pi support and optimized using OpenVINO.In addition, adversarial attacks were evaluated, as well as model retraining with adversarial samples.Based on the overall analysis, the CNN model was selected for the final implementation of the proposed solution.Resumo.A Internet das Coisas (IoT) tem ampliado suas aplicac ¸ões em diversos cenários, o que torna os aspectos de seguranc ¸a cada vez mais relevantes.Neste trabalho, é proposta uma soluc ¸ão baseada em aprendizado profundo para a detecc ¸ão de ataques em redes IoT, em conjunto com à mitigac ¸ão rápida do tráfego malicioso por meio da linguagem P4, que permite a programabilidade do plano de dados.Três modelos de aprendizado profundo (CNN, GRU e LSTM) foram treinados e avaliados com o conjunto de dados Edge-IIoTset, alcanc ¸ando acurácia superior a 99%.Os modelos foram implementados em uma Raspberry Pi 4 com suporte à plataforma P4Pi, utilizando a ferramenta OpenVINO para otimizac ¸ão.Além disso, foram avaliados ataques adversários e seu impacto sobre os modelos, bem como o retreinamento com amostras adversárias.A partir da análise das métricas, o modelo CNN foi selecionado para a versão final da soluc ¸ão.
Language: English
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: gold
OpenAlex ID: W7221911586