Un Nouveau Jeu de Données SDN pour la Détection d'Intrusions dans les Réseaux IoT

Le nombre de dispositifs Internet des objets (IoT) et les cas d’utilisation qu’ils visent à soutenir a augmenté de manière marquée au cours de la dernière décennie, en raison des progrès rapides des infrastructures de réseau sans fil. Malgré de nombreux avantages, l’adoption généralisée de l’IoT a également engendré une surface d’attaque importante, fréquemment exploitée par les cybercriminels, ce qui impose la détection et la mitigation en temps réel et automatisées de diverses attaques dans le trafic réseau à haut volume généré. Le réseau local défini par logiciel (SDN, Software-Defined Networking) et la détection d’intrusions basée sur l’apprentissage automatique (ML, Machine Learning) constituent des outils efficaces pour répondre rapidement aux différentes attaques dans les réseaux IoT. Toutefois, les études menées jusqu’à présent sur la détection d’intrusions basée sur l’apprentissage automatique se sont limitées à des analyses de performance sur des jeux de données datant de longue date et non spécifiques aux environnements basés sur le SDN. Dans cet article, nous présentons un nouveau jeu de données dédié à la détection d’intrusions dans les réseaux IoT. Ce jeu de données se compose de deux parties modélisant respectivement des réseaux IoT statiques et dynamiques, contenant chacune 27,9 millions et 30,2 millions d’enregistrements, incluant divers types d’attaques cybernétiques ainsi que du trafic légitime. Ce jeu de données constituera une ressource essentielle pour la recherche en détection d’intrusions dans les réseaux IoT gérés par SDN, qui deviendront de plus en plus répandus dans les réseaux futurs caractérisés par une connectivité omniprésente.