Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/146208
Título : | Análisis de la viabilidad de la aplicación de técnicas de Auto Machine Learning para la detección de intrusiones |
Autoría: | Barcina Blanco, Marcos |
Tutor: | Hernández Jiménez, Enric |
Resumen : | El propósito de este trabajo es evaluar la idoneidad del uso de técnicas y herramientas de Auto Machine Learning en el ámbito de la ciberseguridad, específicamente en la detección de intrusiones mediante el análisis del tráfico de red. Para ello, se ha implementado un sistema que entrena varios modelos de predicción sobre el dataset introducido mediante técnicas tanto de Machine Learning tradicional, como técnicas de AutoML y realiza una comparación con los resultados obtenidos. Este sistema se ha implementado en el lenguaje de programación Python y hace uso de librerías como Scikit-learn y TPOT, ambas muy presentes en el desarrollo de tecnologías de ML y son de código abierto. Finalmente, se han escogido datasets previamente utilizados en otros experimentos de aplicación de técnicas de Machine Learning similares. Esta elección permite comparar los resultados obtenidos con aquellos realizados en el estado del arte. |
Palabras clave : | algoritmos de clasificación aprendizaje automático hiperparámetro AutoML |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 30-may-2022 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-sa/3.0/es/ |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
mbarcinabTFM0622memoria.pdf | Memoria del TFM | 1,78 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons