Aprendizaje automático aplicado a la detección de malware y de ciberataques

Abstract

Desde el 21 de noviembre de 1969, fecha en la que se conectó el ordenador SDS Sigma 7 al primer nodo de la primera red de computadoras llamada ARPANET, correspondiente a la Universidad de California en Los Ángeles (UCLA, EE. UU.), se han observado los riesgos que representan los ataques informáticos y la propagación de malware a través de la red.

Esta interconexión computacional ha avanzado a pasos agigantados desde sus inicios, y con ello, la cantidad de vulnerabilidades de seguridad que ha llevado asociadas. Por esta razón, a partir de aquel año 1969, se ha producido una batalla interminable entre actores atacantes y defensores que se remonta hasta el presente.

Al mismo tiempo que se producían estos avances tecnológicos, se iban generando en esta red enormes volúmenes de datos, lo que hoy en día se conoce como “Big Data”. Con el paso de los años, se ha descubierto el verdadero potencial que se esconde tras estos datos, y cómo a través de diferentes algoritmos, se puede dotar a una maquina computacional de la capacidad de recibir estas enormes cantidades de datos y aprender de ellos (denominado “aprendizaje automático” o “machine learning”).

Por tanto, si se fusionan todos estos avances, se obtiene la combinación perfecta para explotar todo el potencial existente en las técnicas de aprendizaje automático y poder aplicarlo al campo de la Seguridad Informática con el fin de contribuir en la mejora de los sistemas de defensa existentes.

En este Trabajo Final de Grado se abordará la creación de dos modelos de aprendizaje automático, a través del entrenamiento de diferentes algoritmos con un conjunto de datos seleccionado para cada modelo, con el objetivo de que estos modelos entrenados sean capaces de predecir malware y ataques en la red.

Des del 21 de novembre de 1969, data en què es va connectar l'ordinador SDS Sigma 7 al primer node de la primera xarxa d'ordinadors anomenada ARPANET, corresponent a la Universitat de Califòrnia a Los Angeles (UCLA, EUA), es han observat els riscos que representen els atacs informàtics i la propagació de codi maliciós a través de la xarxa.

Aquesta interconnexió computacional ha avançat a passos de gegant des dels seus inicis, i amb això, la quantitat de vulnerabilitats de seguretat que ha portat associades. Per això, a partir d'aquell any 1969, s'ha produït una batalla interminable entre actors atacants i defensors que es remunta fins al present.

Al mateix temps que es produïen aquests avenços tecnològics, s'anaven generant en aquesta xarxa enormes volums de dades, cosa que avui dia es coneix com a “Big Data”. Amb el pas dels anys, s'ha descobert el veritable potencial que s'amaga darrere d'aquestes dades, i com a través de diferents algorismes, es pot dotar una màquina computacional de la capacitat de rebre aquestes enormes quantitats de dades i aprendre'n ( anomenat “aprenentatge automàtic” o “machine learning”).

Per tant, si es fusionen tots aquests avenços, s'obté la combinació perfecta per explotar tot el potencial existent a les tècniques d'aprenentatge automàtic i poder aplicar-lo al camp de la Seguretat Informàtica per contribuir a la millora dels sistemes de defensa existents .

En aquest Treball Final de Grau s'abordarà la creació de dos models d'aprenentatge automàtic, a través de l'entrenament de diferents algorismes amb un conjunt de dades seleccionat per a cada model, amb l'objectiu que aquests models entrenats siguin capaços de predir codi maliciós i atacs a la xarxa.

Since November 21, 1969, the date the SDS Sigma 7 computer was connected to the first node of the first computer network called ARPANET, corresponding to the University of California in Los Angeles (UCLA, USA), the risks posed by computer attacks and the spread of malware through the network have been observed.

This computational interconnection has advanced by leaps and bounds since its inception and with it, the number of security vulnerabilities that have been associated with it. For this reason, since that year 1969, there has been an endless battle between attacking and defending actors that dates back to the present.

At the same time that these technological advances were taking place, enormous volumes of data were being generated on this network, what today is known as “Big Data”. Over the years, the true potential hidden behind this data has been discovered, and how, through different algorithms, a computing machine could be given the ability to receive these enormous amounts of data and learn from them (called “machine learning”).

Therefore, if all these advances are merged, the perfect combination is obtained to exploit all the potential that exists in machine learning techniques and to be able to apply it to the field of Computer Security in order to contribute to the improvement of existing defense systems.

This Final Degree Project will cover the creation of two machine learning models, through the training of different algorithms with a dataset selected for each model, with the aim that these trained models are capable of predicting malware and network attacks.