dc.contributorLozano Garzón, Carlos Andrés
dc.contributorMontoya Orozco, Germán Adolfo
dc.contributorCOMIT
dc.creatorGonzález Gómez, Juan Diego
dc.date.accessioned2022-07-18T18:23:48Z
dc.date.available2022-07-18T18:23:48Z
dc.date.created2022-07-18T18:23:48Z
dc.date.issued2022-07-15
dc.identifierhttp://hdl.handle.net/1992/58928
dc.identifierinstname:Universidad de los Andes
dc.identifierreponame:Repositorio Institucional Séneca
dc.identifierrepourl:https://repositorio.uniandes.edu.co/
dc.description.abstractEn el mundo de la computación existen múltiples amenazas para los sistemas informáticos. Una de estas son las botnets, las cuales pueden ser bastante peligrosas según el tipo de malware que propaguen. Por este motivo, es de gran importancia estudiarlas, así como su comportamiento y evolución. Este proyecto de grado tiene este propósito, estudiar el comportamiento de las botnets a través del diseño e implementación de un modelo epidemiológico SIRS, integrado con un modelo NIMFA. Para lograr esto, se desarrolló una aplicación en Python que permitiera ejecutar el modelo planteado variando sus parámetros, y así poder validar los resultados que se obtuvieran de este.
dc.description.abstractIn the world of computing there are multiple threats to computer systems. One of these are botnets, which can be quite dangerous depending on the type of malware they spread. For this reason, it is extremely important to study them, as well as their behavior and evolution. This degree project has this purpose, to study the behavior of botnets through the design and implementation of a SIRS epidemiological model, integrated with a NIMFA model. To achieve this, a Python application was developed that would allow the proposed model to be executed varying its parameters, and thus be able to validate the results obtained from it.
dc.languagespa
dc.publisherUniversidad de los Andes
dc.publisherIngeniería de Sistemas y Computación
dc.publisherFacultad de Ingeniería
dc.publisherDepartamento de Ingeniería Sistemas y Computación
dc.relationKaspersky (s.f.). What is a Botnet? Tomado de: https://usa.kaspersky.com/resourcecenter/threats/botnet-attacks
dc.relationCimpanu, C. (2022). FritzFrog botnet returns with new attacks after more than a year of inactivity. Tomado de: https://therecord.media/fritzfrog-botnet-returns-with-new-attacksafter-more-than-a-year-of-inactivity/
dc.relationSharma, A. (2020). FritzFrog malware attacks Linux servers over SSH to mine Monero. Tomado de: https://www.bleepingcomputer.com/news/security/fritzfrog-malware-attackslinux-servers-over-ssh-to-mine-monero/
dc.relationFlorez, J. (2021). Modelo epidemiológico SIS para estudiar el comportamiento del malware en redes IoT. Tomado de: https://repositorio.uniandes.edu.co/bitstream/handle/1992/53708/24714.pdf
dc.relationGalvan, M. (2021). NIMFA Epidemiological model for studying malware behavior in IoT Networks. Tomado de: https://repositorio.uniandes.edu.co/bitstream/handle/1992/55214/26425.pdf
dc.relationMahboubi, A., Camtepe, S. y Ansari, K. (2016). Stochastic modeling of IoT Botnet spread: A short survey on mobile malware spread modeling. Tomado de: https://www.researchgate.net/publication/347631084
dc.relationBanks, S. y Stytz, M. (2011). Advancing botnet modeling techniques for military and security simulations. Tomado de: https://www.spiedigitallibrary.org/conference- 42 Modelo epidemiológico SIRS para estudiar el comportamiento de botnets proceedings-of-spie/8060/80600I/Advancing-botnet-modeling-techniques-for-military-andsecurity-simulations/10.1117/12.882892.short
dc.relationBautista, Z. (2021). Modelado PSCI de botnets en redes IoT con Cadenas de Márkov Múltiples. Tomado de: https://repositorio.uniandes.edu.co/bitstream/handle/1992/55655/26456.pdf
dc.relationVan Mieghem, P. (2011). The N-intertwined SIS epidemic network model. Tomado de: https://nas.ewi.tudelft.nl/people/Piet/papers/Computing2011_N_intertwined_SIS_virus_sp read.pdf
dc.relationPrasse, B. y Van Mieghem, P. (2019). The Viral State Dynamics of the Discrete-Time NIMFA Epidemic Model. Tomado de: https://arxiv.org/abs/1903.08027
dc.relationMahboubi, A., Camtepe, S. y Ansari, K. (2020) Stochastic Modeling of IoT Botnet Spread: A Short Survey on Mobile Malware Spread Modeling. Tomado de: https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9293016
dc.relationLiu, W. y van den Driessche, P. (1995). Epidemiological models with varying population size and dose-dependent latent period. Tomado de: https://www.sciencedirect.com/science/article/abs/pii/002555649400067A
dc.relationEl-Saka, H. (2014). The fractional-order SIS epidemic model with variable population size. Tomado de: https://www.researchgate.net/publication/260427881
dc.relationDi Troia, F., Aaron, C. y Austin, T. (2017). SocioBot: A Twitter-based botnet. Tomado de: https://www.researchgate.net/publication/312126333
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.titleModelo epidemiológico SIRS para estudiar el comportamiento de botnets
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución