• Español
  • English
  • Português
Logo LACNIC Frida
  • Sobre FRIDA
  • Fondos FRIDA
    Estabilidad y Seguridad de InternetConectividad y Acceso a InternetInternet Abierta y LibreInteligencia Artificial aplicada a Internet y a las redes
  • Proyectos
    Proyectos seleccionados 2024Proyectos seleccionados 2023Proyectos seleccionados 2022Proyectos seleccionados 2021Proyectos seleccionados 2020Proyectos financiados

TinyML para la Detección de Anomalías mediante planos de datos programables en la arquitectura de Redes Definidas por Software

Organization
Universidad de Costa Rica - Universidad de Antioquia
Tipo
Sector Académico
Years
2024
Countries
Colombia, Costa Rica

Para mejorar la seguridad de las redes definidas por software, uno de los enfoques más utilizados ha sido el desarrollo de sistemas de detección de intrusos (IDS) basados en modelos de aprendizaje de máquina (Machine Learning – ML por su sigla en inglés) y aprendizaje profundo (Deep Learning – DL por su sigla en inglés) que se despliegan en el plano de control. Sin embargo, dada la manera de operar de este enfoque, el cual es reactivo y depende del envío de información desde los dispositivos del plano de datos hacia el plano de control, se generan  limitaciones en la escalabilidad de la solución.

A pesar de las ventajas que ofrece la programabilidad del plano de datos para la detección de anomalías mediante modelos de ML/DL, la implementación de este enfoque no es trivial. Los switches programables enfrentan desafíos debido a sus restricciones de memoria y capacidades de procesamiento y almacenamiento. Por tal motivo, los modelos implementados en el plano de datos deben cumplir con la condición de tener un consumo bajo de recursos computacionales, mientras que mantienen una alta precisión en la detección de anomalías. Como enfoque para atender a los retos representados en estas limitaciones, recientemente se plantea el uso del denominado Tiny Machine Learning – TinyML. TinyML es un paradigma que facilita el uso de ML en dispositivos con procesamiento limitado y baja capacidad de memoria.

En este proyecto se plantea la implementación de técnicas comprimidas de ML/DL desarrolladas mediante TinyML para la detección de ataques DoS y DDoS en los switches programables de una red definida en software. El objetivo es validar el funcionamiento de estas técnicas de ML/DL en el plano de datos, comparando métricas como la precisión en la detección de anomalías, y el consumo de recursos en los switches.

Sobre LACNIC

FRIDA es una iniciativa de LACNIC, el Registro de Direcciones de Internet para América Latina y Caribe.

Política de privacidad
Política de Calidad de LACNIC
Transparencia

Contacto

frida@lacnic.net

Suscríbete a la lista de FRIDA para recibir novedades

Síguenos en:

  • Facebook
  • Twitter

RSS Novedades

  • InteliGente: Construyendo caminos de igualdad con inteligencia artificial en el Sur Global     28 abril, 2025
  • La implementación de peering remoto y sus implicancias para el enrutamiento de Internet 10 junio, 2024

Preguntas Frecuentes

  • Postular y Proceso de Selección
  • Elegibilidad
  • Financiamiento
  • Ejecución de Subvenciones

Excepto donde se indique lo contrario, esta web está bajo una licencia Attribution-NonCommercial 4.0 International.