Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/97586
Título : | Técnicas de aprendizaje automático para la detección de ataques en el tráfico de red |
Autoría: | Valencia Peral, Andrés |
Director: | Rifà-Pous, Helena |
Tutor: | Hernández Jiménez, Enric |
Resumen : | El proyecto realizado tiene como finalidad, realizar un análisis general de las técnicas de aprendizaje automático actualmente disponibles, aplicadas a la implementación de un sistema de detección de intrusión de red. Se describirán de forma sencilla las diferentes técnicas existentes hoy en día, poniendo de relieve las diferencias fundamentales entre las técnicas de machine learning clásicas en contraposición a las de deep learning utilizando redes neuronales, así como la relación subyacente entre ellas. Realizaremos un estudio más exhaustivo de una de las técnicas de aprendizaje automático, el árbol de decisión, y finalmente nos ocuparemos con cierto detalle de los aspectos a tener en cuenta en la implementación de una red neuronal para acometer el problema, con especial foco en la elección de los hiperparámetros de entrenamiento y las consecuencias que tales decisiones acarrean. Concluiremos que por la naturaleza del problema planteado, que dispone de conjuntos de muestras extremadamente abundantes para poder entrenar los modelos deseados, la aplicación de dichas técnicas ofrece una ventaja decisiva frente a otras técnicas tradicionales basadas en reglas y firmas. |
Palabras clave : | aprendizaje automático aprendizaje profundo redes neuronales IDS |
Tipo de documento: | info:eu-repo/semantics/masterThesis |
Fecha de publicación : | 4-jun-2019 |
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 | |
---|---|---|---|---|
avalenciapTFM0619memoria.pdf | Memoria del TFM | 3,41 MB | Adobe PDF | Visualizar/Abrir |
Tester2.py | 7,63 kB | Photo CD | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons