Resumen:
In precision agriculture, ensuring the security of wireless sensor networks
(WSN) is essential to maintain soil data integrity and optimize agricultural productivity.
This project develops an intelligent system to detect cyber attacks targeting such
networks, including DoS or denial of service attacks and data injection, and mitigate
their impact.
To achieve this, the ESP-NOW protocol, used by our client’s WSN, and the traffic
between ESP8266 devices were analyzed to determine features that can predict
DoS attacks. Security measures were implemented, such as an access list based
on authorized MAC addresses and message validation using HMAC-SHA256. A
microcontroller configured as a sniffer captured and analyzed network traffic, enabling
the development of a detection model. This process involved data collection,
preprocessing, feature selection, training, and validation using both collected datasets
and live traffic.
The results show that the model accurately classifies network traffic destined for the
receiving node, distinguishing between normal traffic and DoS attacks with 99.9%
precision under specific conditions.
This approach enhances the security and reliability of WSNs in agricultural
environments, encouraging their adoption by ensuring data integrity and supporting
decisions based on accurate information.
Keywords: WSN, Network Attacks, Precision Agriculture, Artificial Intelligence,
ESP-NOW
Descripción:
En la agricultura de precisión, garantizar la seguridad en redes de sensores
inalámbricos (WSN) es esencial para mantener la integridad de los datos del suelo
y optimizar la productividad agrícola. Este proyecto desarrolla un sistema inteligente
para detectar amenazas cibernéticas destinadas a este tipo de redes, como ataques
DoS o denegación de servicio e inyección de datos, y mitigar su impacto.
Para ello, se analizó el protocolo ESP-NOW, utilizado por la WSN de nuestro cliente, y
el tráfico entre dispositivos ESP8266 en la WSN con el fin de determinar variables para
predecir ataques DoS. Se implementaron medidas de seguridad, como una lista de
acceso basada en direcciones MAC autorizadas y la validación de mensajes mediante
HMAC-SHA256. Un microcontrolador configurado como sniffer capturó y analizó el
tráfico, permitiendo la creación de un modelo de detección que incluyó la recopilación
y preprocesamiento de datos, selección de características, entrenamiento y validación
en datasets recopilados y tráfico en vivo.
Los resultados muestran que el modelo clasifica correctamente el tráfico de red hacia
el nodo receptor, diferenciando entre tráfico normal y ataques DoS con una precisión
del 99.9% bajo condiciones específicas.
Este enfoque mejora la seguridad y confiabilidad de las WSN en entornos agrícolas,
incentivando su adopción al garantizar la integridad de los datos y respaldar decisiones
basadas en información precisa.
