One of the most common attacks is man‐in‐the‐middle (MitM) which, due to its complex behaviour, is difficult to detect by traditional cyber‐attack detection systems. MitM attacks on internet of things systems take advantage of special features of the protocols and cause system disruptions, making them invisible to legitimate elements. In this work, an intrusion detection system (IDS), where intelligent models can be deployed, is the approach to detect this type of attack considering network alterations. Therefore, this paper presents a novel method to develop the intelligent model used by the IDS, being this method based on a hybrid process. The first stage of the process implements a feature extraction method, while the second one applies different supervised classification techniques, both over a message queuing telemetry transport (MQTT) dataset compiled by authors in previous works. The contribution shows excellent performance for any compared classification methods. Likewise, the best results are obtained using the method with the highest computational cost. Thanks to this, a functional IDS will be able to prevent MQTT attacks.

The present work deals with the problem of detecting Denial of Service attacks in an IoT environment. To achieve this goal, a dataset registered in an MQTT protocol network is used, applying dimension reduction techniques combined with classification algorithms. The final classifiers presents successful results.

No abstract

Systems engineering plays a key role in the naval sector, focusing on how to design, integrate, and manage complex systems throughout their life cycle; it is therefore difficult to conceive functional warships without it. To this end, specialized information systems for logistical support and the sustainability of material solutions are essential to ensure proper provisioning and to know the operational status of the frigate. However, based on an architecture composed of a set of logistics applications, this information system may require highly qualified operators with a deep knowledge of the behavior of onboard systems to manage it properly. In this regard, failure detection systems have been postulated as one of the main cutting-edge methods to address the challenge, employing intelligent techniques for observing anomalies in the normal behavior of systems without the need for expert knowledge. In this paper, the study is concerned to the scope of the Spanish navy, where a complex information system structure is responsible for ensuring the correct maintenance and provisioning of the vessels. In such context, we hereby suggest a comparison between different one-class techniques, such as statistical models, geometric boundaries, or dimensional reduction to face anomaly detection in specific subsystems of a warship, with the prospect of applying it to the whole ship.

In this research work a novel two-step system for anomaly detection is presented and tested over several real datasets. In the first step the novel Exploratory Projection Pursuit, Beta Hebbian Learning algorithm, is applied over each dataset, either to reduce the dimensionality of the original dataset or to face nonlinear datasets by generating a new subspace of the original dataset with lower, or even higher, dimensionality selecting the right activation function. Finally, in the second step Principal Component Analysis anomaly detection is applied to the new subspace to detect the anomalies and improve its classification capabilities. This new approach has been tested over several different real datasets, in terms of number of variables, number of samples and number of anomalies. In almost all cases, the novel approach obtained better results in terms of area under the curve with similar standard deviation values. In case of computational cost, this improvement is only remarkable when complexity of the dataset in terms of number of variables is high.

INTRODUCCIÓN. La reciente pandemia provocada por la COVID-19 ha supuesto numerosos cambios en los protocolos de salud pública, así como un profundo impacto socioeconómico. Políticas como el distanciamiento social y los confinamientos han condicionado las relaciones interpersonales y derivado en consecuencias dramáticas para muchas empresas y trabajadores. Concretamente, en el marco educativo, las universidades se han visto obligadas a adaptar las metodologías docentes a causa de las políticas de control implantadas por las autoridades. Por ello, el uso de herramientas para la docencia online, combinadas con experiencias en docencia presencial (blended learning, BL), constituye un interesante enfoque dentro de este contexto. MÉTODO. BL permite la reducción de la ratio de estudiantes por aula, evitando la supresión total de la presencialidad, y permitiendo también aprovechar las ventajas de ambas modalidades. En este sentido, una interesante propuesta es la implementación de un entorno de simulación virtual para estudiantes de ingeniería, cuyo objetivo es la emulación de un sistema real de control de nivel de líquido, disponible en los laboratorios de la Escuela Politécnica de Ingeniería de Ferrol, de la Universidad de A Coruña. Con el objetivo de evaluar el efecto de la metodología BL en el rendimiento académico del alumnado, se compararon las calificaciones obtenidas en el trabajo tutelado en dos cursos académicos. RESULTADOS. Para llevar a cabo este trabajo, se propone una experiencia BL apoyada en un laboratorio virtual construido a partir de la integración de dos novedosas la frase correcta sería: “herramientas de software”. Factory I/O como sistema de virtualización y emulación de escenas y plantas industriales reales y Node-RED como entorno de programación para el diseño de sistemas de control y comunicación. Con base en los resultados académicos, se concluye que esta metodología tiene un efecto positivo en el rendimiento de los estudiantes. DISCUSIÓN. Este entorno realista de simulación y de visualización 3D en tiempo real aporta flexibilidad a los estudiantes facilitando la organización de sus tareas y les permite trabajar de forma autónoma aplicando los conceptos base de la ingeniería de control. Además, esta experiencia BL ayuda a los estudiantes a desarrollar competencias básicas (duras) y transferibles (blandas).

No abstract

En la actualidad la detección de anomalías en procesos industriales es clave para optimizarlos y generar una mayor eficiencia en el proceso productivo, reportando unos mayores beneficios a las empresas. Por ello, en el presente artículo se implementan cinco técnicas de clasificación supervisadas para la detección de anomalías en sistemas industriales. Estas técnicas han sido entrenadas y validadas empleando un conjunto de datos que incluían datos etiquetados de funcionamiento normal y anómalo de una planta de control de nivel de líquido en un depósito. Finalmente, los resultados obtenidos fueron analizados y comparados para obtener el modelo con el que se obtiene un mayor rendimiento.