💻 computer science

Multi-sensor Privacy Data Tampering Prevention Method under Flood Attacks

Este artículo propone un método de prevención de la manipulación de datos de privacidad para multisensores que combina la autenticación distribuida, una caja T cifrada con AES mejorada y la detección de ataques de inundación basada en la varianza diferencial para garantizar la seguridad, integridad y confidencialidad de los datos durante la transmisión y el almacenamiento.

Autores originales: Aiping Liu, Zongbo Wu, Junjie Wu, Tianjun Ma

Publicado 2026-06-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Aiping Liu, Zongbo Wu, Junjie Wu, Tianjun Ma

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una ciudad llena de mensajeros diminutos y útiles (sensores) que envían constantemente notas importantes sobre el clima, el tráfico o tu salud a una oficina de correos central. Estas notas suelen contener secretos privados. Sin embargo, un "Ataque de Inundación" (Flood Attack) es como si un villano enviara millones de cartas falsas y basura a la oficina de correos al mismo tiempo. Esto obstruye los caminos, agota la energía de los carteros y crea el caos, permitiendo que los malhechores se infiltren para robar las cartas reales o incluso cambiar las notas privadas por unas falsas sin que nadie se dé cuenta.

Los autores de este artículo, Aiping Liu y su equipo, proponen un "sistema de superseguridad" de tres pasos para evitar que esto suceda. Así es como funciona su método, explicado de forma sencilla:

1. El "Túnel Secreto" y la "Doble Verificación" (Autenticación Distribuida y Canales Encubiertos)

Primero, el sistema establece una Arquitectura de Autenticación Distribuida. Imagina que esto es tener un equipo de guardias de seguridad en cada una de las casas (sensores) en lugar de tener un solo guardia en la puerta principal. Antes de que una carta salga de una casa, los guardias verifican su identificación y se aseguran de que realmente proviene de esa casa y de que no ha sido alterada.

Pero, ¿qué pasa si las carreteras principales están obstruidas con correo basura? Los autores construyen un Canal de Transmisión Encubierto. Imagina esto como un túnel secreto oculto dentro de las paredes de la ciudad.

Cómo funciona: En lugar de poner la carta privada en un sobre visible en la calle, el sistema oculta los datos privados dentro del "ritmo" de la entrega. Es como enviar un mensaje secreto mediante golpes con un ritmo específico en una puerta, mientras que el camión de reparto real parece estar transportando simplemente basura normal. Para un extraño (el atacante), solo parece tráfico normal, pero el receptor sabe exactamente cómo decodificar el ritmo secreto para obtener el mensaje real. Esto hace que sea increíblemente difícil encontrar o manipular los datos.

2. El "Escalofrío Irrompible" (AES Mejorado)

Incluso si el atacante logra echar un vistazo al túnel secreto, no debería poder leer el mensaje. Para evitar esto, el equipo utiliza un Algoritmo AES Mejorado con una "T-box" especial.

La analogía: Imagina que tus datos privados son un vaso de agua transparente. El atacante podría ver fácilmente lo que hay dentro. El algoritmo de cifrado toma ese vaso y lo pasa por una licuadora de alta velocidad (la T-box) que tritura el agua hasta convertirla en una niebla compleja e irreconocible.
El proceso: Los datos se trocean en pequeñas piezas de 64 bits, se descifran usando una clave única (como una receta secreta) y luego se vuelven a ensamblar. Solo la persona con la clave exacta correspondiente puede "des-licuar" la niebla para recuperar el agua original. Esto garantiza que, incluso si los datos son robados, parezcan ruido aleatorio para el ladrón.

3. El "Policía de Tráfico Inteligente" (Tasa de Cambio de Varianza Diferencial)

Finalmente, el sistema necesita detener la inundación de correo basura antes de que abrume a toda la ciudad. Los autores crearon un Sistema de Monitoreo de Tráfico Dinámico que actúa como un policía de tráfico superinteligente.

Cómo funciona: Este policía no solo cuenta coches; observa qué tan rápido cambia el tráfico. Si el flujo de coches aumenta repentinamente de una manera extraña y antinatural (como un aumento repentino de 10,000 coches en un segundo), el policía sabe que es un ataque de inundación y no solo un día ocupado.
La acción: Utilizando una fórmula matemática llamada "Tasa de Cambio de Varianza Diferencial", el sistema calcula si el patrón de tráfico es sospechoso. Si lo es, el policía de tráfico acciona instantáneamente un interruptor (usando una API de controlador) para cerrar la puerta específica de donde proviene el correo basura, bloqueando el ataque mientras permite que los mensajes secretos reales pasen.

Los Resultados: ¿Funcionó?

Los investigadores probaron su sistema contra cuatro tipos de "ataques de inundación" (como el envío de millones de solicitudes falsas).

La forma antigua: Al usar carreteras normales, el sistema perdía muchos datos y era fácilmente manipulado, especialmente durante ataques intensos.
La forma nueva: Con sus túneles secretos, mensajes cifrados y policías de tráfico inteligentes, el sistema mantuvo los datos a salvo. La "puntuación de seguridad" se mantuvo muy alta (cerca del 100%) y se perdieron muy pocos mensajes. Los datos cifrados parecían tan caóticos que era casi imposible para los atacantes adivinar qué había dentro.

En resumen: Este artículo propone una forma de proteger los datos privados de los sensores ocultándolos en túneles secretos, cifrándolos para que sean ilegibles y utilizando un sistema inteligente para bloquear instantáneamente las olas masivas de tráfico basura que intentan romper el sistema.

Resumen Técnico: Método de Prevención de la Manipulación de Datos de Privacidad en Sensores Múltiples bajo Ataques de Inundación (Flood Attacks)

1. Planteamiento del Problema

La rápida expansión de los sistemas de sensores múltiples en campos como el transporte inteligente, el monitoreo ambiental y la atención médica ha llevado a la recopilación de cantidades masivas de datos, que incluyen la privacidad personal sensible y el estado de infraestructuras críticas. Sin embargo, los nodos de sensores están limitados en recursos y dependen de la comunicación inalámbrica distribuida, lo que los hace vulnerables a ataques de red. Específicamente, los ataques de inundación (Denegación de Servicio) abruman a los nodos objetivo con paquetes de datos excesivos, causando el agotamiento de recursos y la parálisis de la comunicación. Este entorno crea un alto riesgo de manipulación de datos durante la transmisión y el almacenamiento, ya que la detección en tiempo real del comportamiento malicioso se vuelve difícil. Las soluciones existentes, como la privacidad diferencial localizada, la optimización de transacciones basada en blockchain y la computación de privacidad, enfrentan limitaciones que incluyen una asignación irrazonable del presupuesto de privacidad, nuevos riesgos de seguridad derivados del intercambio de secretos, exposición de metadatos y una carga computacional excesiva.

2. Metodología

El método propuesto aborda estos desafíos a través de un marco de tres etapas diseñado para garantizar la seguridad, integridad y confidencialidad de los datos de privacidad de sensores múltiples bajo condiciones de ataques de inundación.

A. Autenticación Distribuida y Transmisión Encubierta

Para prevenir la manipulación en el origen y durante la transmisión, los autores emplean una Arquitectura de Autenticación Distribuida:

Autenticación de Flujo: Los flujos de datos de sensores múltiples se autentican preliminarmente utilizando parámetros de autenticación específicos ( $Q_i$ ) para verificar el origen y la integridad.
Evaluación de Seguridad: Se realiza un cálculo diferencial de las características del flujo de datos para evaluar los niveles de seguridad. Si la varianza de las características indica una baja seguridad, se aplica una función de datos mejorada para aumentar la capacidad de resistencia a la manipulación de los datos.
Canal de Transmisión Encubierta: Para evitar incrustar datos privados en campos de protocolos estándar (lo cual es inseguro), se construye un canal de transmisión oculto basado en el tiempo. Los datos privados son preprocesados, codificados e incrustados en los datos de origen de los nodos ordinarios mediante un algoritmo de incrustación de características temporales. Esto crea un canal encubierto donde los datos se transmiten como paquetes de características, reduciendo significativamente la visibilidad de los datos privados para los atacantes.

B. Cifrado mediante el Algoritmo AES Mejorado

Para fortalecer aún más la confidencialidad dentro del canal encubierto, se utiliza un algoritmo AES mejorado para diseñar una T-box cifrada:

Proceso: El algoritmo opera en dos rondas: ofuscación de filas y ofuscación de columnas.
Implementación: Los datos privados se segmentan en bloques de 64 bits. Se genera y expande una clave inicial. La matriz de estado de texto plano se somete a la ofuscación (fila y columna) seguida del cifrado utilizando el conjunto de claves expandidas.
Desencriptación: En el extremo receptor, se realiza la autenticación de identidad utilizando las claves originales y expandidas. Tras una autentación exitosa, la T-box desencripta el texto cifrado de vuelta a texto plano.

C. Detección y Defensa contra Ataques de Inundación

Para evitar el agotamiento de recursos que podría invalidar las protecciones anteriores, se implementa un mecanismo de monitoreo de tráfico dinámico basado en la Tasa de Cambio de Varianza Diferencial dentro de una arquitectura SDN (Redes Definidas por Software):

Monitoreo de Tráfico: El controlador recolecta datos de tráfico en tiempo real ( $V(t)$ ) de los dispositivos de sensores múltiples.
Detección de Anomalías: El sistema calcula la varianza diferencial ( $D_{var}(t)$ ) entre los ciclos de tráfico actuales y anteriores para capturar cambios sutiles y rápidos indicativos de ataques de inundación.
Lógica de Decisión: Una función de membresía $I(t)$ determina si el tráfico es anormal. Para evitar falsos positivos, el sistema rastrea la duración continua de las anomalías ( $s$ ) frente a un límite tolerable ( $d$ ).
Defensa: Si se confirma un ataque (es decir, si $I(t)$ permanece por encima de cero durante $d$ ciclos), el controlador utiliza su API para emitir entradas de tabla de flujo que bloquean el tráfico de ataque específico, asegurando la continuidad de la transmisión de datos legítimos.

3. Contribuciones Clave

Arquitectura de Defensa Integrada: El artículo propone un método holístico que combina la autenticación distribuida, la construcción de canales encubiertos y el cifrado mejorado, diseñado específicamente para las restricciones de las redes de sensores múltiples bajo ataques de inundación.
Canal Encubierto Basado en el Tiempo: La construcción de un canal de transmisión oculto basado en características temporales permite el ocultamiento de datos privados dentro del tráfico ordinario, mejorando la resistencia a la interceptación y la manipulación.
T-box AES Mejorada: El diseño de una T-box de cifrado utilizando un algoritmo AES mejorado proporciona un proceso de ofuscación de dos rondas (fila y columna) para asegurar un texto cifrado de alta confusión.
Defensa de Tráfico Dinámica: La introducción del algoritmo de tasa de cambio de varianza diferencial permite la detección fina y en tiempo real de ataques de inundación, permitiendo que el controlador SDN bloquee dinámicamente los flujos maliciosos antes de que agoten los recursos del sistema.

4. Resultados Experimentales

El método fue evaluado en un banco de pruebas que involucraba sensores de temperatura, humedad, presión y luz bajo diversos escenarios de ataques de inundación (inundaciones TCP SYN, UDP, ICMP y Mixtas).

Capacidad Anti-Ataque: Comparado con los canales de transmisión tradicionales, el canal de transmisión encubierta propuesto demostró índices de resistencia al ataque significativamente más altos (consistentemente cercanos al 100%) en todos los tipos de ataque, mientras que los canales tradicionales fluctuaron ampliamente y descendieron hasta el 40% en escenarios de inundación mixta.
Índice de Seguridad y Pérdida de Paquetes: El método propuesto logró un índice de seguridad de red cercano a 1 (indicando alta integridad) y mantuvo una tasa de pérdida de paquetes alrededor del 5%. Este rendimiento fue superior a los métodos basados únicamente en la protección de la privacidad, la fusión de blockchain/computación de privacidad y el blockchain mejorado, los cuales mostraron índices de seguridad más bajos y mayor fluctuación.
Entropía de la Información: En términos de confusión del texto cifrado, los valores de entropía de información del método propuesto coincidieron estrechamente con las curvas de entropía de información "más ideales". En contraste, los métodos basados en blockchain mostraron desviaciones significativas y una entropía menor, indicando estados de cifrado más débiles en escenarios complejos.

5. Significancia y Reivindicaciones

El artículo sostiene que el método propuesto asegura eficazmente la seguridad, integridad y confidencialidad de los datos de privacidad de los sensores múltiples tanto durante la transmisión como en el almacenamiento, incluso ante la presencia de ataques de inundación. Al integrar la autenticación distribuida, la transmisión encubierta y la defensa de tráfico dinámica, el método supera las limitaciones de los esquemas de defensa de capa única existentes. Los autores afirman que este enfoque proporciona una solución estable y confiable para los sistemas de sensores múltiples que operan en entornos de red complejos, previniendo la manipulación de datos y asegurando la operación continua de la infraestructura crítica. El trabajo se presenta como una solución integral que aborda las vulnerabilidades específicas de los nodos de sensores con recursos limitados frente a las amenazas de denegación de servicio y manipulación.