Projecte llegit
Títol: Técnicas de Machine Learning para detección de intrusos en redes
Director/a: LEÓN ABARCA, OLGA
Departament: ENTEL
Títol: Técnicas de Machine Learning para detección de intrusos en redes
Data inici oferta: 21-07-2020 Data finalització oferta: 21-03-2021
Estudis d'assignació del projecte:
GR ENG TELEMÀTICA
| Tipus: Individual | |
| Lloc de realització: EETAC | |
| Paraules clau: | |
| seguretat en xarxes, ciber-atacs, detecció d'intrusos | |
| Descripció del contingut i pla d'activitats: | |
| Los sistemas de detección de intrusos se desarrollaron como
respuesta al incremento de ciber-ataques contra gobiernos, empresas y otras entidades. Dichos ataques, como por ejemplo los ataques de denegación de servicio (DoS) suponen unas pérdidas enormes para las organizaciones, no sólo desde el punto de vista económico sino también en cuanto a privacidad se refiere. Existen distintas contramedidas que permiten detectar y/o frenar estas amenazas de seguridad como los firewalls, los anti-virus o los sistemas de detección de intrusos. Estos últimos analizan el tráfico que circula en la red que se desea proteger en busca de patrones y/o anomalías asociadas a ataques de seguridad. En este proyecto se pretende estudiar y evaluar diferentes técnicas de machine learning aplicadas a sistemas de detección de intrusos con el objetivo de optimizar el nivel de detección de los mismos y minimizar la tasa de falsa alarma. |
|
| Overview (resum en anglès): | |
|
Cyberattacks are sets of actions directed against information systems that operate on the network, canceling their services. With the increasing complexity of websites and the rapid development of applications today, the possibility of being attacked increases exponentially. The digital transformation has achieved a great number of benefits, but at the same time, life in an interconnected society has brought a series of disadvantages, thus being more exposed to cyberattacks. In addition, current technological development has also benefited "Cybercriminals", which are able to carry out sophisticated computer attacks. This panorama is an invitation to reflect on the importance of protecting networks and systems, as well as the privacy and digital rights of citizens. Having a good cybersecurity system will help to detect and protect systems against various threats. The use of Machine Learning algorithms has been the proposal of this project for the detection of cyberattacks in a network. This work presents an overview of the main threats to computer networks. Besides, a dataset containing samples from network connections, both normal and malicious, and a set of Machine Learning algorithms implemented in Python have been applied to it. The algorithms used are K-Nearest Neighbor (KNN), Random Forest (RF) and Principal Component Analysis (PCA). The performance for each algorithm has been calculated by modifying different parameters against the input data set and after having analyzed the behavior of each one, a comparison has been made between them. |
|