Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/96688
Títol: | Detección de anomalías en entornos del internet de las cosas |
Autoria: | Mellizo-Soto Díaz, Gonzalo |
Director: | Casas-Roma, Jordi |
Tutor: | Hernández Gañán, Carlos |
Resum: | Aquests últims anys hi ha una quantitat creixent de dispositius connectats entre sí, cada vegada amb més aplicacions a la indústria. Aquests dispositius poden ser atacats i provocar una inestabilitat o una fuga de dades, per la mateixa protecció i la detecció de la protecció d'atacs i anomalies és vital en un món cada vegada més connectat. L'objectiu és la monitorització i detecció d'aquests atacs en dispositius d'Internet de les coses que utilitzen tècniques de l'estat d'art de l'aprenentatge de màquines per a la seva detecció i poder així respondre ràpid als atacs. Per a la detecció s'utilitzen models estadístics, com SVM, DBScan o boscos d'aïllament, que en el seu conjunt es permeten identificar amb una major precisió quan s'està produint un atac. El conjunt de la clusterització amb la classificació de punts anòmals mostra una major força, davant l'ús individual de cada un dels models augmentant la detecció fins a un 15%. Es demostra com l'ús dels models permet protegir els dispositius i millorar la seguretat per disminuir l'acció davant dels atacs. |
Paraules clau: | detecció d'anomalies aprenentatge automàtic internet de les coses |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | 8-jun-2019 |
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 | |
---|---|---|---|---|
gmellizoTFM0619memoria.pdf | Memoria del TFM | 13,05 MB | Adobe PDF | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons