Détection des attaques DDoS dans le réseau IoT

Informations

Établissement

Université Gaston Berger

Date de soutenance

20/12/2023

Résumé

Dans le cadre de ce mémoire portant sur la détection précoce des attaques DDoS sur l’IoT,
l’état de l’art des techniques de détection offre un aperçu complet des avancées actuelles et
Technique Avantages Limites
Détection basée sur les
signatures
Capacité à identifier les
attaques connues
Limité aux attaques répertoriées, vulnérables
aux nouvelles attaques.
IDS avec apprentissage
automatique
Capacité à détecter les
attaques connues ou
inconnues
Besoin d’un ensemble de données
représentatif, risque de faux positifs
IDS avec apprentissage
profond
Exploration de modèles
complexes
Ressources computationnelles importantes,
nécessité de données volumineuses
Apprentissage
automatique
Détection d’anomalies
basée sur des schémas
appris
Dépendance des modèles, vulnérabilités aux
attaques adversaires
Apprentissage profond Représentation
hiérarchique des
caractéristiques
Complexité computationnelle
Élevée, besoin de grandes quantités de
données.
Combinaison ML et DL Robustesse accrue par la
combinaison
Complexité élevée, expertise nécessaire pour
la mise en œuvre
SDN Gestion centralisée pour
une réponse rapide
Dépendance de l’implémentation SDN, besoin
d’une infrastructure compatible
des défis persistants. L’examen approfondi des chapitres consacrés à l’IdO, aux applications
et défis de sécurité, aux technologies et protocoles, aux attaques DDoS dans l’IoT, ainsi qu’à
la détection précoce, a permis de mettre en lumière la complexité et la dynamique de cet
écosystème.
Les techniques de détection énumérées, allant des IDS traditionnelles à l’intégration novatrice
de la blockchain et du SDN, illustrent la diversité des approches adoptées pour renforcer la
sécurité des dispositifs IoT. Cependant, chaque technique présente des avantages et des
limites, soulignant la nécessité d’une approche holistique.