Publicación: Aplicación del machine learning en la detección de intrusiones para ciberseguridad
Cargando...
Fecha
2024-12
Autores
Editor/a
Director/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática
Resumen
Este proyecto de investigación se centra en los desafíos que han surgido con el avance de la tecnología y las implicaciones que esto tiene para la ciberseguridad. A medida que las amenazas evolucionan y se vuelven más sofisticadas, los sistemas de detección tradicionales, como los antivirus, se han vuelto inadecuados, ya que las tecnologías tradicionales de detección no son efectivas para identificar estas amenazas emergentes. En respuesta a esto, el presente trabajo propone el uso de algoritmos de machine learning para mejorar la detección de dichas amenazas, empleando técnicas que permitan anticipar la naturaleza de los archivos y enfrentar de manera más efectiva las amenazas actuales y futuras.
En este trabajo se van a implementar diferentes algoritmos de machine learning de filosofías diferentes, optimizándolos de tal forma que sean capaces de predecir la posible naturaleza del tráfico de una red. Para que estos algoritmos funcionen, necesitan nutrirse de datos preexistentes que les ayuden a predecir nuevas intrusiones. Existen varias bases de datos con cientos de miles de registros que sirven para entrenar a estos modelos. Una de estas bases de datos se usará para el entrenamiento de estos algoritmos.
Después, se compararán los resultados obtenidos de cada modelo, comparándolos entre sí para encontrar cual de ellos es el más eficaz a la hora de detectar intrusiones.
This project focuses on the challenges that have arisen with technological advancements and their implications for cybersecurity. As threats evolve and become more sophisticated, traditional detection systems, such as antivirus programs, have become inadequate because conventional detection technologies are not effective in identifying these emerging threats. In response, this project proposes the use of machine learning algorithms to enhance the detection of such threats by employing techniques that allow the anticipation of the nature of files, thereby more effectively addressing current and future threats. In this work, different machine learning algorithms with various approaches will be implemented, optimizing them to predict the possible nature of network traffic. For these algorithms to function, they need to be fed with pre-existing data that help them predict new intrusions. There are several databases with hundreds of thousands of records used to train these models. One of these databases will be used for the training of these algorithms. Subsequently, the results obtained from each model will be compared against each other to determine which one is the most effective at detecting intrusions.
This project focuses on the challenges that have arisen with technological advancements and their implications for cybersecurity. As threats evolve and become more sophisticated, traditional detection systems, such as antivirus programs, have become inadequate because conventional detection technologies are not effective in identifying these emerging threats. In response, this project proposes the use of machine learning algorithms to enhance the detection of such threats by employing techniques that allow the anticipation of the nature of files, thereby more effectively addressing current and future threats. In this work, different machine learning algorithms with various approaches will be implemented, optimizing them to predict the possible nature of network traffic. For these algorithms to function, they need to be fed with pre-existing data that help them predict new intrusions. There are several databases with hundreds of thousands of records used to train these models. One of these databases will be used for the training of these algorithms. Subsequently, the results obtained from each model will be compared against each other to determine which one is the most effective at detecting intrusions.
Descripción
Categorías UNESCO
Palabras clave
intrusiones, ciberseguridad, Machine Learning, IDS, red neuronal, Intrusions, cybersecurity, neuronal network
Citación
Moreno Ruiz, José. Trabajo Fin de Máster: Aplicación del machine learning en la detección de intrusiones para ciberseguridad. Universidad Nacional de Educación a Distancia (UNED) 2024
Centro
E.T.S. de Ingeniería Informática
Departamento
Sistemas de Comunicación y Control