Enfoque neuro-difuso para la detección de ataques DDoS en entornos IoT aplicados al monitoreo de bioseñales

Abstract

Los ataques de denegación de servicio distribuido (DDoS) representan una amenaza crítica para la disponibilidad del Internet de las Cosas Médicas (IoMT). Este artículo propone un sistema de detección de intrusiones (IDS) basado en un enfoque híbrido neurodifuso para identificar ataques DDoS en entornos IoMT. La arquitectura combina un conjunto de árboles de decisión, un mecanismo de suavizado sigmoidal y un metaclasificador neuronal multicapa, lo que permite modelar relaciones no lineales entre el tráfico legítimo y el malicioso sin necesidad de reglas difusas explícitas ni un mecanismo formal de inferencia difusa. La evaluación se realizó utilizando el conjunto de datos público DoS/DDoS-MQTT-IoT, ampliado mediante la incorporación de tráfico legítimo generado por dispositivos de monitorización de electrocardiografía (ECG). El enfoque propuesto alcanzó un área bajo la curva ROC (AUC) de 0,904 y una puntuación F1 de 0,823. Finalmente, el IDS se integró en un sistema de detección y prevención de intrusiones (IDPS) capaz de detectar patrones de tráfico anómalos en tres segundos y bloquear automáticamente las direcciones IP.