Gostamos de ter soluções simples e automatizadas , mas essas soluções simples e automatizadas em tecnologia também podem conter riscos se não forem tratadas correctamente. As preocupações com a segurança e a privacidade da I oT têm de ser focadas. Pode haver vários tipos de ataques às redes IoT que podem danificar o dispositivo ou roubar informações sensíveis. Por conseguinte, as técnicas deinteligência artificial (IA) têm a capacidade de detectar e classificar um comportamento de rede desconhecido , aprendendo os padrões de ataques de rede com base em grandes volumes de dados históricos. Utilizámoso conjunto de dados Aposemat IoT-23 , investigámos os antecedentes e implementámos os algoritmos de aprendizagem automática , como o Decision Tree, o Random Forest e o Naive Bayes. Também comparámosa precisão entre estes algoritmos de aprendizagem automática no conjunto de dados IoT-23 e mostrámos o algoritmo de aprendizagem automática mais eficiente , deacordo com os resultados, utilizando o conjunto de dados Aposemat IoT-23, bem como mostrámos técnicas de engenharia de características para pré-processar o conjunto de dados mencionado para detecção e classificação de ataques à rede IoT.