Detección de amenazas en redes IoT empleando modelo híbrido de Machine Learning y Deep Learning
El Internet de las Cosas (IoT) es uno de los campos tecnológicos emergentes con mayor evolución en los últimos años. Dado este incremento exponencial, se han plantado nuevos retos de seguridad en cuanto a las redes IoT, puntualmente sobre los ataques que puedan propagarse en la misma. En este trabaj...
- Autores:
-
Jaimes Bastidas, Elina Valentina
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/58981
- Acceso en línea:
- http://hdl.handle.net/1992/58981
- Palabra clave:
- Iot, Modelo híbrido, Machine learning, Deep learning
Ingeniería
- Rights
- openAccess
- License
- Atribución-CompartirIgual 4.0 Internacional
| Summary: | El Internet de las Cosas (IoT) es uno de los campos tecnológicos emergentes con mayor evolución en los últimos años. Dado este incremento exponencial, se han plantado nuevos retos de seguridad en cuanto a las redes IoT, puntualmente sobre los ataques que puedan propagarse en la misma. En este trabajo se implementa un modelo híbrido que combina técnicas de Machine Learning y Deep Learning con el propósito de detectar ataques de tipo DoS de manera temprana. Las técnicas que componen el modelo son una Red Neuronal Convolucional y Random Forest. El modelo híbrido presentó un desempeño favorable, clasificando satisfactoriamente más del 99% de los ataques y refinando la clasificación de trazas etiquetadas erróneamente en un 41%. |
|---|