Projecte matriculat
Títol: Ataques adversarios en Machine Learning para IoT
Director/a: LEÓN ABARCA, OLGA
Departament: ENTEL
Títol: Ataques adversarios en Machine Learning para IoT
Data inici oferta: 31-01-2026 Data finalització oferta: 30-09-2026
Estudis d'assignació del projecte:
GR ENG TELEMÀTICA
| Tipus: Individual | |
| Lloc de realització: EETAC | |
| Paraules clau: | |
| Detecció d'amenaces, IoT, machine learning, ataques adversarios | |
| Descripció del contingut i pla d'activitats: | |
| El Internet de las Cosas (IoT) ha experimentado un crecimiento exponencial en los últimos años, integrándose en ámbitos críticos como hogares inteligentes, industria 4.0, salud, transporte y ciudades inteligentes. Estos entornos generan grandes volúmenes de datos que son analizados mediante técnicas de Machine Learning (ML) para tareas como detección de anomalías, clasificación de tráfico, predicción de fallos o identificación de intrusiones.
Sin embargo, el uso de ML introduce nuevas superficies de ataque. En particular, los ataques adversarios, como el data poisoning (envenenamiento de datos de entrenamiento) y los ataques de evasión (manipulación de datos en fase de inferencia), representan una amenaza significativa para la fiabilidad y seguridad de los modelos desplegados en entornos IoT. Dado que muchos dispositivos IoT operan con recursos limitados y en entornos no controlados, estos ataques pueden pasar desapercibidos y provocar decisiones erróneas con consecuencias críticas. Este TFG tiene como objetivo analizar y cuantificar el impacto real de estos ataques sobre modelos de ML utilizados para la detección de amenazas en IoT. |
|
| Orientació a l'estudiant: | |
| Requereix activitats hardware: No | |
| Requereix activitats software: Sí Sistema operatiu: Disc (Gb): | |
| Horari d'atenció a estudiants per a l'assignació de projecte: |
|