Tillkomsten av sakens internet, i huvudsak smarta enheter med anslutning till internet har många fördelar, men med det kommer problemet med hur man hanterar tredje parts användare med skadlig eller kriminell avsikt.

Ivan Letteri, Giuseppe Della Penna, och Giovanni De Gasperis vid Institutionen för informationsteknik vid University of L'Aquila, Italien, skriva i International Journal of High Performance Computing and Networking har tittat på en aspekt av IoT -osäkerhet, attacker på smarta enheter av så kallade botnät. Ett botnät är ett nätverk av datorer eller andra enheter som har återanvänds av en tredje part, ofta smygande och nästan alltid med felaktig användning det yttersta målet. Felaktig användning kan vara för personlig vinning, ekonomiskt eller på annat sätt, sabotage eller andra destruktiva eller störande syften.

Botnät sprids genom skadlig kod och kan drivas av skadliga personer, hackergrupper, företagsenheter, kriminella gäng, organiserade brottslighetskarteller, eller faktiskt oseriösa stater. Ett särskilt försåtligt syfte som de sätts till är att applicera en riktad attack på ett måls datorer så att de blir överväldigade. En sådan distribuerad denial of service -attack, leder, som namnet skulle föreslå för avbrott i målets normala datoraktiviteter. Detta kan helt enkelt vara för sabotage, kanske för att störa den enskildes dagliga verksamhet, företag eller till och med en regering. Men, ofta utförs dDOS så att medan systemet är överväldigat, dess säkerhet kan brytas vid en annan exponerad ingångspunkt.

Med IoT och andra nätverksanslutna smarta enheter som rekryteras av botnätoperatörer för onda avsikter, laget har fokuserat på hur sådana dDOS -attacker kan upptäckas och stoppas av systemet med hjälp av djupinlärningstekniker. Självklart, det är svårt att skilja mellan normal aktivitet och aktivitet från distribuerade källor som är utformade för att överväldiga ett system. Till systemet, det ser helt enkelt massor av förfrågningar och vet vilka som kommer från äkta användare och vilka skadliga inte lätt kan urskiljas. Teamet påpekar att med ökningen av programvarudefinierat nätverk (SDN), som alltmer ersätter konventionellt nätverk i IoT, problemet blir mer akut.

Teamets djupinlärningssätt har testats på två toppmoderna ramar, d.v.s. Keras och TensorFlow, och visade sig ha 97 procents noggrannhet i att upptäcka botnet -attacker på systemen.