Per citar aquest document: http://ddd.uab.cat/record/165107
Aprendizaje automático para la detección de ataques informáticos
Herrera Zurita, Antonio
Duran Cals, Jordi, dir. (Universitat Autònoma de Barcelona. Departament d'Enginyeria de la Informació i de les Comunicacions)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant: Machine learning for detection of computer attacks
Títol variant: Aprenentatge automàtic per a la detecció d'atacs informàtics
Data: 2016-06-29
Pla d'estudis: Enginyeria Informàtica [958]
Titulació: Enginyeria Informàtica [2502441]
Resum: En la actualidad prácticamente todo el mundo conoce Internet y dispone de él en casa, o en su empresa, organización, etc. Sin embargo, en la red no solo hay usuarios corrientes con intenciones buenas, también los hay que buscan lucrarse, molestar, o dañar a otros. Eso provoca que Internet no sea seguro y se produzcan muchos ciberataques que pueden afectar tanto a usuarios corrientes como a organizaciones, empresas o instituciones. Así pues, y bajo esa premisa, los ciberataques, lo que se presenta en el siguiente artículo es la exploración de una rama relativamente reciente y en crecimiento de la inteligencia artificial como es el aprendizaje automático de las máquinas. Esta nueva rama puede usarse en muchas facetas de la vida cotidiana. Por tanto, lo que se va a exponer es una breve descripción de que es el aprendizaje automático, que aplicaciones se le pueden a dar, y en particular nos centraremos en la de la predicción de un tipo de ataque malicioso como son los producidos por los accesos a las URLs maliciosas.
Resum: Nowadays almost everybody knows or has Internet at home, in the enterprise, organization, etc. At a same time, not only current users use Internet. There are some fraudulent users who attempt to others users or commit crimes. This provoke that every day lots of cyber-attacks occurs for any kind of user. Taking this at a premise, the intent of this paper is to exploit a relative new branch in the artificiAl intelligence called machine learning. Machine learning is a set of techniques an algorithms that are in continuous expansion in multiple domains such as preventing cyber-attacks. In this paper it will be exposed a short introduction to machine learning, its uses and how can this techniques and algorithms can help to detect and mitigate a type of attack wich is based on the access to malicious URL.
Resum: Avui dia, pràcticament tothom coneix Internet i en disposa a casa, a l'empresa, organització, etc. No obstant això, a la xarxa no només hi ha usuaris corrents amb bones intencions, també n'hi ha que busquen destorbar, robar, o malmetre als altres. Això provoca que Internet no sigui segur i que es produeixin molts ciberatacs que poden afectar qualsevol tipus d'usuari. Sota aquesta premissa, aquest treball intenta explorar una branca relativament nova de la intel·ligència artificial anomenada aprenentatge automàtic. L'aprenentatge automàtic és un conjunt de tècniques i algorismes que estan en contínua expansió en múltiples dominis, com ara la prevenció de ciberatacs. En aquest document farem una breu introducció sobre l'aprenentatge automàtic, les seves aplicacions i com aquestes tècniques i algorismes poden ajudar a detectar i mitigar un tipus d'atac basat en l'accés a URL malicioses.
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Llengua: Castellà.
Document: bachelorThesis ; Text
Àrea temàtica: Menció Tecnologies de la Informació
Matèria: Aprenentatge Automàtic ; Característiques ; Set de dades ; Host-based ; Característiques lèxiques ; Precisió ; Bayesià Ingenu ; K-veïns més propers ; URL ; Llista negra ; Aprendizaje automático ; Características ; Set de datos ; Características léxicas ; Precisión ; Bayesiano Ingenuo ; K-vecinos más cercanos ; Lista negra ; Machine Learning ; Features ; Dataset ; Lexical features ; Accuracy ; Naive Bayes ; K-Nearest Neighbours ; Blacklist



10 p, 379.8 KB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG

 Registre creat el 2016-09-30, darrera modificació el 2016-10-06



   Favorit i Compartir