Abstract
Рост числа устройств Интернета вещей (IoT) сопровождается увеличением количества сетевых инцидентов и атак, что требует разработки средств защиты, способных работать в условиях ограниченных вычислительных ресурсов и высокой интенсивности обмена данными. В данной работе представлена платформа IoTector, предназначенная для мониторинга сетевого трафика и выявления кибератак в IoT-среде. Система реализована в виде промежуточного узла между IoT-устройствами и сетевым шлюзом, что позволяет анализировать трафик непосредственно на уровне локальной инфраструктуры. Для классификации сетевых событий использованы модели глубокого обучения DNN, CNN и CNN–BiLSTM. Экспериментальная часть выполнена на наборе данных CICIoT2023, а прототип платформы развернут на базе Raspberry Pi 5. Помимо модуля обнаружения атак разработан веб-интерфейс, обеспечивающий мониторинг сетевой активности, просмотр событий безопасности и управление процессом обучения моделей. Проведённые эксперименты показали, что наиболее эффективной оказалась модель CNN, обеспечившая высокие показатели качества классификации при сохранении приемлемой вычислительной нагрузки. На основе этих результатов можно говорить о практической применимости IoTector — платформа способна непрерывно отслеживать трафик и своевременно фиксировать угрозы в IoT-сетях.