dc.creatorPérez Abreu, Deyban Andrés
dc.date2017-10-10T18:09:22Z
dc.date2017-10-10T18:09:22Z
dc.date2017-10-10
dc.date.accessioned2022-10-28T01:27:24Z
dc.date.available2022-10-28T01:27:24Z
dc.identifierhttp://hdl.handle.net/10872/16729
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/4950262
dc.descriptionResumen Las redes de computadoras han sido raramemente aceptadas en la sociedad y corresponden a un aspecto fundamental en la vida de millones de personas alrededor del mundo. El crecimiento de las mismas ha generado nuevos paradigmas tales como lo son la computación en la nube o el Internet de las cosas, que demandan nuevas estrategias de seguridad que garanticen a los usuarios un servicio confi able y seguro. Como estrategia revolucionaria en el área de seguridad informática ha surgido la tendencia de introducir el aprendizaje automático,buscando el aumento de la efectividad a la hora de detectar ataques. Por lo expuesto previamente, en el presente trabajo de investigación se realizó un estudio minucioso de las tendencias de investigación entre las áreas de ML y seguridad en redes de computadoras, seleccionando un conjunto de datos bien conocido como lo es el conjunto de datos NSL-KDD para analizar, diseñar e implementar modelos híbridos de ML combinando las técnicas de enfoque supervisado de redes neuronales y máquinas de vectores de soporte en conjunto con la técnica de enfoque no-supervisado K-Medias, obteniendo resultados que indican que el uso de ambos enfoques como complemento incrementa la cantidad de ataques detectados. Palabras clave: Redes de computadoras, seguridad en redes de computadoras, ataques, aprendizaje automático, modelos híbridos de aprendizaje automático, redes neuronales, máquinas de vectores de soporte.
dc.descriptionTutor: Prof. Eugenio Scalise ; Prof. Miguel Astor
dc.languagees
dc.relationBiblioteca Alonso Gamero Facultad de Ciencias;TG-20741
dc.subjectredes de computadoras
dc.subjectaprendizaje automático
dc.subjectmáquinas de vectores de soporte
dc.titleDiseño, implementación y evaluación de técnicas híbridas de aprendizaje automático en la detección de intrusos en redes de computadoras
dc.typeThesis


Este ítem pertenece a la siguiente institución