ДОСЛІДЖЕННЯ ЕФЕКТИВНОСТІ РОЗРОБЛЕНИХ АЛГОРИТМІВ ТА МОДЕЛЕЙ ЗАХИСТУ В МЕРЕЖАХ ІНТЕРНЕТУ РЕЧЕЙ
DOI:
https://doi.org/10.17721/2519-481X/2025/88-09Ключові слова:
моделювання трафіку, кібербезпека, алгоритми захисту, 5G, IDS, аномаліїАнотація
У статті розглянуто питання моделювання трафіку та оцінювання ефективності алгоритмів захисту інформації в мережах ІоТ. Проведено імітаційне моделювання сценаріїв з різними моделями трафіку, аналіз роботи захисних алгоритмів для виявлення атак, створено рекомендації до практичного застосування в інфраструктурі IoT з урахуванням специфіки 5G мереж інтернет речей.
Під час дослідження було проаналізовано специфіку структури мереж Інтернету речей, визначено ключові метрики трафіку та побудовано математичну модель на основі класичної моделі Пуассона, а також її розширень MMPP та BMAP для адекватного відображення змінної та кластерної структури трафіку в мережах Інтернету речей. Кластеризацію виконували за допомогою алгоритму k-середніх для профілювання нормальної поведінки вузлів, що дозволило виявляти аномалії в режимі реального часу. Було запропоновано формальну модель оцінки ризиків, яка враховує відхилення поточних метрик від типового кластера та зміни інтенсивності. Розроблено адаптивний механізм реагування на інциденти з пороговими значеннями, що визначають рівень втручання від обмеження активності до повного блокування пристрою. Для верифікації було змодельовано сценарії DDoS, підміни пристроїв та прихованої атаки. Ефективність алгоритму виявлення оцінювали за допомогою метрик точності, повноти, F1-оцінки та часу відгуку.
Результати показали, що запропонована методологія забезпечує високу точність виявлення аномалій (F1-оцінка = 92,5%) з часом відгуку до 80 мс, що робить її придатною для використання в реальних системах Інтернету речей. Запропонований підхід дозволяє підвищити надійність та безпеку мережі без значного збільшення обчислювальних витрат. Отримані результати підтверджують доцільність впровадження інтелектуальних систем моніторингу на основі кластеризації та моделей ризиків в інфраструктурі 5G-IoT.
Посилання
1. Andriychuk M. Traffic modeling in Internet of Things networks / M. Andriychuk // Radioelectronics, Informatics, Management. – 2020. – No. 2. – P. 15 – 23.
2. Kovalchuk V. Features of using the MQTT protocol in IoT / V. Kovalchuk, I. Ivanova // Scientific works of ONAZ named after O. S. Popov. – 2019. – No. 4. – P. 56 – 62.
3. Lapko A. Simulation modeling of IoT network protection / A. Lapko, S. Prytula // Bulletin of NTUU "KPI". Series: Informatics and computing. – 2021. – No. 75. – P. 44 – 50.
4. Hrytsenko V. Approaches to building IDS for IoT / V. Hrytsenko, M. Solovey // Information Processing Systems. – 2022. – No. 3(172). – P. 27 – 34.
omputational methods. – 2020. – Vol. 2, No. 1. – P. 91 – 99.
6. Chen S. A survey on industrial Internet of Things security architecture / S. Chen, H. Xu, D. Liu et al. // Future Internet. – 2020. – Vol. 12(1). – P. 1 – 18.
7. Alrawais A. Fog computing for the Internet of Things: Security and privacy issues / A. Alrawais, A. Alhothaily, C. Hu, X. Cheng // IEEE Internet Computing. – 2017. – Vol. 21(2). – P. 34 – 42.
8. Mosenia A. A survey on security in Internet of Things: State of the art and challenges / A. Mosenia, N. K. Jha // Computer Networks. – 2017. – Vol. 111. – P. 17 – 48.
9. Sicari S. Security, privacy and trust in Internet of Things: The road ahead / S. Sicari, A. Rizzardi, L. Grieco, A. Coen-Porisini // Computer Networks. – 2015. – Vol. 76. – P. 146 – 164.
10. Kulkarni A. “Modeling Traffic with BMAP Queues for Performance Analysis of IoT Networks” International Journal of Computer Applications, vol. 182, no. 2, pp. 12 – 18, 2018.
