Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/81188
Título : | Detector predictivo de conexiones fraudulentas |
Autoría: | Martín Tinaquero, David |
Director: | Garcia-Font, Victor |
Tutor: | Hernández Jiménez, Enric |
Otros: | Universitat Oberta de Catalunya |
Resumen : | La finalidad principal de este trabajo es el diseño e implementación de un detector predictivo de conexiones fraudulentas eficiente, que cumpla con las necesidades manifestadas por el cliente (Ancert). Para llevar a cabo el proyecto, primero se han estudiado a fondo las necesidades reales a cubrir. Después se han obtenido tramas de red suficientes y de calidad para cubrir con las fases de modelado del clasificador predictivo. Posteriormente, se han investigado sistemas para estructurar los ficheros, que faciliten su exploración y tratamiento masivo. Una vez que los datos han quedado estructurados en la BD NoSQL Cassandra, se ha hecho una investigación de los diferentes métodos de Machine Learning i sus ámbitos de aplicación, escogiendo el que se ha estimado más idóneo para el proyecto. Una vez decido que el diseño del detector se hará mediante redes neuronales profundas (Deep Learning) con Python y las librerías TensorFlow, se ha empezado con el modelado del algoritmo predictivo, que incluye las etapas de diseño, entrenamiento, validación, prueba y guardado del modelo para su reutilización posterior. La precisión obtenida con los datos de entrenamiento ha sido de ~99% y ~92% con los datos de test. Todo ello, con un porcentaje ínfimo (~0,05%) de falsos positivos, relevante para evitar la no disponibilidad del servicio a los usuarios lícitos del sistema. El detector predictivo se ha utilizado para clasificar un conjunto de tramas de red sin etiquetar y realizar su posterior inserción en la BD Cassandra. El tiempo total empleado para completar clasificación de ~300.000 tramas e insertarlas en la BD ha sido inferior a 3' en todas las pruebas realizadas. |
Palabras clave : | inteligencia artificial aprendizaje virtual seguridad informática aprendizaje profundo |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 4-jun-2018 |
Licencia de publicación: | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ |
Aparece en las colecciones: | Bachelor thesis, research projects, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
dmt88TFM062018_presentación.pptx | 671,92 kB | Microsoft Powerpoint XML | Visualizar/Abrir | |
dmt88TFM062018_producto.zip | 33,88 MB | Unknown | Visualizar/Abrir | |
dmt88TFM0618memoria.pdf | Memoria del TFM | 1,52 MB | Adobe PDF | Visualizar/Abrir |
dmt88TFM0618presentación.pdf | Presentación del TFM | 454,68 kB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons