Regresar

Detección de Amenazas de Seguridad utilizando Algoritmos de Machine Learning aplicado a la Red Administrativa de la Carrera de Software.

Abstract:

El presente trabajo de titulación plantea un diseño de un modelo de seguridad para la detección de amenazas que surgen en una red, con el uso de algoritmos de machine learning. Se realizó una recolección de información en revistas científicas y libros con el fin de describir detalladamente los conceptos relacionados a la ciberseguridad, como por ejemplo los tipos de malware, seguridad física y lógica, entre otros. De la misma forma se presentan conceptos de machine learning con las funciones y especialidades de cada algoritmo, a partir de esto se seleccionaron los algoritmos de Isolation Forest, Random Forest, Decision Tree, Logistic Regression y SVM para el modelado. Además, para el modelado se utilizó la metodología CRISP-DM, siendo la mejor para el desarrollo de proyectos con minería de datos, se realiza sus 5 fases, comprención del negocio, comprención de datos, preparación de datos, modelado y las última fase que se desarrollará es la de evaluación. Con los resultados obtenidos se concluyó que el algoritmo con una mejor presición para detectar una anomalía es el de Random Forest, y que con el uso de algoritmos de machine learning es factible detectar estas anomalías en el tráfico de una red administrativa.