Las redes de sensores inalámbricas están formadas por un conjunto de dispositivos denominados sensores, que han sido desplegados en un área determinada; además, forman una red sin arquitectura pre-establecida de tipo ad-hoc, es decir, son redes descentralizadas que no requieren una infraestructura preexistente, como los dispositivos de red para el enrutamiento o puntos de acceso inalámbricos. En los últimos años, el malware se ha convertido en una potencial amenaza para las vulnerabilidades del Internet de las Cosas; por lo tanto, estas amenazas en constante evolución afectan a las redes de sensores inalámbricas.
La propagación del malware en redes de sensores inalámbricas se ha estudiado desde diferentes perspectivas, con la finalidad de conocer cómo se producen estos ataques y poder definir medidas de seguridad especializadas. Estos estudios se realizan a través de modelos matemáticos, utilizando diferentes herramientas de modelado, como los sistemas de ecuaciones diferenciales ordinarias y sistemas de ecuaciones en derivadas parciales, cadenas de Markov, autómatas celulares o agentes. Sin embargo, la mayoría de estos modelos propuestos excluyen las características individuales de los componentes principales de la red.
El objetivo de esta tesis doctoral es definir un modelo individual basado en agentes y desarrollar un entorno computacional que permita la simulación y análisis de la propagación de diferentes tipos de malware en redes de sensores inalámbricas.
La metodología que se ha utilizado en este trabajo comienza con una revisión del estado del arte de los temas principales, que incluyen redes de sensores inalámbricas, malware y modelos basados en agentes. Posteriormente, se ha realizado una revisión bibliográfica de los modelos matemáticos que se han propuesto para la simulación del malware en redes de sensores inalámbricas.
A continuación se han extraído las características más significativas de las redes de sensores inalámbricas, lo que permitirá crear un modelo matemático bajo el paradigma de modelos basados en agentes, donde se han detallado los agentes involucrados, los coeficientes que les afectan y las reglas de transición que utilizan. Por último, se ha implementado computacionalmente el modelo, utilizando el entorno de trabajo Mesa, desarrollado en Python, que ha permitido analizar los resultados en diferentes escenarios y para diferentes topologías.
Finalmente, se ha concluido que tanto los entornos como las topologías influyen en el proceso de propagación del malware. Además, las características computacionales de los sensores pueden ayudar a evitar una rápida propagación, puesto que puede hacer sensores con altas características computacionales que dispongan de algún tipo de mecanismo de seguridad ya implementado.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados