Publicación del proyecto · Frontiers in Computer Science
Resumen
El artículo presenta TRUST Lab, un conjunto de datos CICFlowMeter para evaluar sistemas de detección de intrusiones en escenarios IoT y edge con etiquetas no ambiguas.
Indicadores bibliométricos
- Área JCR
- Computer Science, Interdisciplinary Applications
- Año JCR
- 2025
- Consulta Scholar
- 26 octubre 2026
Contribución principal
La contribución principal es una metodología de captura basada en sesiones de una sola clase, con tráfico benigno o una familia de ataque aislada en cada ventana. El resultado reúne 4,6 millones de biflujos y 15 familias de ataque, evitando contaminación temporal entre clases.
Resultados y alcance
El conjunto TRUSTLab separa de forma explícita tráfico benigno y malicioso y ofrece flujos CICFlowMeter obtenidos en un entorno operativo reproducible. Las pruebas de clasificación muestran su utilidad para evaluar IDS de IoT y borde, al tiempo que el alcance queda limitado a los servicios, ataques y condiciones de red incluidos en el banco de ensayos.
Relación con BoND1
Para BoND1, el trabajo refuerza la dimensión de seguridad y confianza en infraestructuras IoT avanzadas. El dataset facilita comparar modelos de IDS ligeros y desplegables en el borde, una pieza útil para redes no celulares y B6G con requisitos de operación autónoma.
Project publication · Frontiers in Computer Science
Summary
The paper presents TRUST Lab, a CICFlowMeter dataset for evaluating intrusion detection systems in IoT and edge scenarios with unambiguous labels.
Main contribution
The main contribution is a single-class session-based capture methodology, with benign traffic or an isolated attack family in each window. The result brings together 4.6 million biflows and 15 attack families, avoiding temporary contamination between classes.
Results and scope
The TRUSTLab suite explicitly separates benign and malicious traffic and provides CICFlowMeter flows obtained in a reproducible operating environment. Classification tests are useful for evaluating IoT and edge IDS, while limiting the scope to the services, attacks, and network conditions included in the testbed.
Link with BoND1
For BoND1, the work reinforces the dimension of security and trust in advanced IoT infrastructures. The dataset makes it easy to compare lightweight and edge-deployable IDS models, a useful piece for non-cellular and B6G networks with autonomous operation requirements.
Repositorio UPCT: https://hdl.handle.net/10317/24191