Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/108166
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorFarràs Ballabriga, Gerard-
dc.date.accessioned2020-01-29T18:08:32Z-
dc.date.available2020-01-29T18:08:32Z-
dc.date.issued2019-12-29-
dc.identifier.urihttp://hdl.handle.net/10609/108166-
dc.description.abstractIn the information and knowledge society of the 21st century, the information of each organization is highly valuable. The possibility of uninterrupted and secure use of information systems becomes an essential task for public and private organizations around the world. Within this context, the operational continuity of all information systems must be guaranteed. Distributed denial of service attacks (DDoS) are attacks that, using multiple techniques, impair the continued use of information systems. It is necessary, therefore, to find tools that mitigate these types of attacks. There are currently software-based mechanisms that ensure information systems, but work must be done to implement them with low-cost computational techniques and also ensure that they are updated day by day. A field currently in search and with a lot of future projection involves using artificial intelligence and machine learning techniques for real-time detection of what an attack could be. In this work, an implementation of a decision tree is carried out using machine learning techniques on a set of network traffic data (dataset) with DDoS attacks.en
dc.description.abstractEn el societat de la informació i el coneixement del segle XXI, la informació de cada organització és altament valuosa. La possibilitat d'usar de manera ininterrompuda i amb seguretat els sistemes d'informació es converteix en una tasca essencial i estratègica per les organitzacions públiques i privades d'arreu del món. En el marc d'aquest context, cal garantir la continuïtat operativa de tots els sistemes d'informació. Els atacs distribuïts de denegació de servei (DDoS - Distributed Denial of Service) són atacs que, emprant múltiples tècniques, malmeten l'ús continuat dels sistemes d'informació. Cal, per tant, trobar eines que aturin o mitiguin aquests tipus d'atacs. Existeixen actualment mecanismes basats en programari que asseguren els sistemes d'informació però cal treballar per a implementar-los amb tècniques de baix cost computacional i assegurar-se també que estan actualitzats dia a dia. Un camp actualment en recerca i amb molta projecció de futur consisteix en emprar tècniques d'intel·ligència artificial i machine learning per a la detecció en temps real del què podria ser un atac. En aquest treball es realitza una implementació d'un arbre de decisió (decision tree) emprant tècniques de machine learning sobre un conjunt de dades de tràfic de xarxa (dataset) amb atacs de DDoS.ca
dc.description.abstractEn la sociedad de la información y el conocimiento del sigo XXI, la información de cada organización es altamente valuosa. La posibilidad de usar sin interrupciones y con seguridad los sistemas de información se convierte en una tarea esencial y estratégica para las organizaciones públicas y privadas de todo el mundo. En este contexto, es necesario garantizar la continuidad operativa de todos los sistemas de información. Los ataques distribuidos de denegación de servicio (DDoS - Distributed Denial of Service) son ataques que, utilizando múltiples técnicas, dañan el uso continuado de los sistemas de información. Es necesario, por lo tanto, disponer de herramientas que paren o mitiguen este tipo de ataques. Existen actualmente mecanismos basados en software que aseguran los sistemas de información pero es necesario trabajar para implementarlos con técnicas de bajo coste computacional y asegurarse también que estan actualizados día a día. Un campo actualmente en investigación y con proyección de futuro consiste en utilizar técnicas de inteligencia artificial y machine learning para la detección en tiempo real de lo que podría ser un ataque. En este trabajo se realiza una implementación de un árbol de decisión (decision tree) utilizando técnicas de machine learning sobre un conjunto de datos de tráfico de red (dataset) con ataques de DDoS.es
dc.format.mimetypeapplication/pdf-
dc.language.isocat-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/es/-
dc.subjectcyber security dataseten
dc.subjectdataset de ciberseguretatca
dc.subjectdataset de ciberseguridades
dc.subjectaprenentatge automàticca
dc.subjectaprendizaje automáticoes
dc.subjectmachine learningen
dc.subjectdecision treesen
dc.subjectarbres de decisióca
dc.subjectárboles de decisiónes
dc.subjectDDoSca
dc.subjectDDoSes
dc.subjectDDoSen
dc.subject.lcshComputer security -- TFMen
dc.titleEntrenament d'un arbre de decisió per a la detecció d'atacs distribuïts de denegació de servei (DDoS). Una aproximació-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.subject.lemacSeguretat informàtica -- TFMca
dc.subject.lcshesSeguridad informática -- TFMes
dc.contributor.directorRifà-Pous, Helena-
dc.contributor.tutorHernández Jiménez, Enric-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Aparece en las colecciones: Trabajos finales de carrera, trabajos de investigación, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
gfarrasbTFM1219.pdfMemòria del TFM1,13 MBAdobe PDFVista previa
Visualizar/Abrir