Il dottor Daniel Gavilanes Aray, direttore del Centro Tecnologico della Fundación Universitaria Iberoamericana (Fondazione Universitaria Iberoamericana, FUNIBER), partecipa a uno studio che ha sviluppato un modello di apprendimento automatico stratificato che migliora l’identificazione degli attacchi informatici con elevata precisione e robustezza.
L’Internet delle cose (IoT) ha trasformato il modo in cui le persone interagiscono con la tecnologia, consentendo ai dispositivi di uso quotidiano di integrarsi in una vasta rete globale interconnessa. Tuttavia, questo progresso comporta anche rischi significativi, tra cui spiccano le botnet, reti di dispositivi infetti utilizzati per eseguire attacchi informatici su larga scala.
Le botnet sono costituite da dispositivi compromessi, che possono andare dai computer alle telecamere di sicurezza domestiche, e sono controllate a distanza dagli aggressori per svolgere attività illecite come attacchi denial of service (DDoS), furto di dati o invio massiccio di spam.
La diversità dei dispositivi che compongono l’ecosistema dell’IoT, con differenze nei protocolli e nelle capacità, rende la loro protezione una sfida crescente per la sicurezza informatica. Le tecniche tradizionali risultano insufficienti, soprattutto in uno scenario in cui i criminali informatici incorporano l’intelligenza artificiale (IA) per perfezionare i loro metodi.
In questo contesto, viene proposto un approccio innovativo basato sull’apprendimento automatico (ML) per anticipare e neutralizzare queste minacce, segnando un passo importante nella protezione digitale delle reti intelligenti.
Lo studio a cui partecipa il dottor Gavilanes propone un modello denominato KSDRM, che combina diversi algoritmi di apprendimento automatico, tra cui k-Nearest Neighbors (KNN), macchine a vettori di supporto (SVM), alberi decisionali (DT), foreste casuali (RF) e perceptroni multistrato (MLP). Per integrare i risultati di questi classificatori e migliorare la precisione, il modello utilizza la regressione logistica come metaclassificatore.
Questo approccio non solo mira a ottimizzare la capacità di rilevamento, ma anche a ridurre il sovradattamento e aumentare l’interpretabilità, rispetto agli approcci basati esclusivamente su reti neurali profonde.
Risultati che rafforzano la sicurezza digitale
I risultati ottenuti confermano l’efficacia del modello proposto. Il KSDRM ha raggiunto una precisione del 97,94% nei test, superando il miglior classificatore singolo (RF), che ha ottenuto il 97,34%. Oltre alla sua accuratezza, il sistema ha dimostrato di ridurre i tempi di elaborazione, rendendolo un’alternativa valida per applicazioni in tempo reale, dove l’immediatezza è fondamentale.
Questo progresso non solo rappresenta un passo avanti nella difesa contro le botnet, ma getta anche le basi per future ricerche sulla sicurezza informatica applicata all’IoT. In un mondo iperconnesso, dove ogni dispositivo può diventare un punto vulnerabile, l’IA emerge come l’alleato strategico più efficace per garantire la protezione digitale.
Se desideri saperne di più su questo studio, clicca qui.
Per leggere altre ricerche, consulta l’archivio di UNEATLANTICO.
La Fondazione Universitaria Iberoamericana (FUNIBER) offre programmi di borse di studio per studiare un master nel campo della tecnologia, come il Master in Direzione Strategica con Specializzazione in Tecnologie dell’Informazione. Questo master è pensato per i professionisti che desiderano guidare l’integrazione delle tecnologie dell’informazione (TI) nelle strategie aziendali. Fornisce gli strumenti necessari per allineare le NTIC agli obiettivi organizzativi, promuovendo l’innovazione e la competitività in un ambiente aziendale in continua evoluzione.