Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/81188
Títol: | Detector predictivo de conexiones fraudulentas |
Autoria: | Martín Tinaquero, David |
Director: | Garcia-Font, Victor |
Tutor: | Hernández Jiménez, Enric |
Altres: | Universitat Oberta de Catalunya |
Resum: | L'objectiu principal d'aquest treball és dissenyar i implementar un detector predictiu de connexions fraudulentes eficient, que respongui a les necessitats expressades pel client (Ancert). Per dur a terme el projecte, s'han estudiat en profunditat les necessitats reals que s'han de cobrir. Després d'això, s'han obtingut bastidors de xarxa suficients i de qualitat per cobrir les fases de modelatge del classificador predictiu. Posteriorment, s'han investigat sistemes per estructurar els fitxers, que faciliten la seva exploració i tractament massiu. Una vegada que les dades s'han estructurat a la Cassandra NoSQL DB, s'ha realitzat una investigació dels diferents mètodes d'Aprenentatge automàtic i les seves àrees d'aplicació, escollint el que s'ha considerat més adequat pel projecte. Una vegada que decidit que el disseny del detector es realitzi a través de xarxes neuronals profundes (Deep Learning) amb Python i les biblioteques TensorFlow, s'ha començat amb el modelatge algorítmic predictiu, que inclou les etapes de disseny, formació, validació, prova i estalvi del model per a la seva posterior reutilització. La precisió obtinguda amb les dades de formació ha estat de ~ 99% i ~ 92% amb les dades de prova. Tot això, amb un percentatge insignificant (~ 0.05%) de falsos positius, rellevants per evitar la no disponibilitat del servei als usuaris lícits del sistema. El detector predictiu s'ha utilitzat per classificar un conjunt de trames de xarxa no etiquetades i realitzar la inserció posterior a la base de dades Cassandra. El temps total dedicat a completar la classificació de ~ 300.000 trames i inserir-les a la base de dades ha estat inferior a 3' en totes les proves realitzades. |
Paraules clau: | seguretat informàtica aprenentatge virtual aprenentatge profund intel·ligència artificial |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | 4-jun-2018 |
Llicència de publicació: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Apareix a les col·leccions: | Bachelor thesis, research projects, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
dmt88TFM062018_presentación.pptx | 671,92 kB | Microsoft Powerpoint XML | Veure/Obrir | |
dmt88TFM062018_producto.zip | 33,88 MB | Unknown | Veure/Obrir | |
dmt88TFM0618memoria.pdf | Memoria del TFM | 1,52 MB | Adobe PDF | Veure/Obrir |
dmt88TFM0618presentación.pdf | Presentación del TFM | 454,68 kB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons