Grudniowy numer czasopisma Applied Sciences (70 pkt.) zawiera artykuł pt. "Anomaly Detection in IoT Communication Network Based on Spectral Analysis and Hurst Exponent".
Dymora P, Mazurek M. Anomaly Detection in IoT Communication Network Based on Spectral Analysis and Hurst Exponent. Applied Sciences. 2019; 9(24):5319.
Monitorowanie ruchu w sieci Internet jest kluczowym zadaniem dla bezpieczeństwa i niezawodności sieci komunikacyjnych i infrastruktury Internetu rzeczy (IoT). Opis statystyk ruchu może służyć do wykrywania anomalii ruchu. W dzisiejszych czasach intruzi i cyberprzestępcy stosują różne techniki w celu ominięcia istniejących systemów wykrywania włamań w oparciu o wykrywanie sygnatur i anomalie. Aby skuteczniej wykrywać nowe ataki, zaproponowano model wykrywania anomalii przy użyciu wykładnika Hursta i analizy spektrum multifraktalnego. Wykazano, że analiza multifraktalna cechuje się wrażliwością na wszelkie odchylenia właściwości ruchu sieciowego wynikające z anomalii. Proponowane metody analizy ruchu mogą być idealne do ochrony danych krytycznych i utrzymania ciągłości usług internetowych, w tym Internetu Rzeczy.
