Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT
Las redes IoT presentan un alto crecimiento y se espera una adopción masiva en los próximos años. Sin embargo, las diferencias de estas redes frente a las redes tradicionales así plantean retos para su seguridad. Los Sistemas de Detección de Intrusos cobran mayor importancia en este contexto. En est...
- Autores:
-
Polanía Arias, Leonel Andrés
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/55526
- Acceso en línea:
- http://hdl.handle.net/1992/55526
- Palabra clave:
- IoT
Sistemas de detección de intrusos
Machine learning
Deep learning
Ingeniería
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
UNIANDES2_5929932ccd7963a4f657dc11e11de480 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/55526 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Lozano Garzon, Carlos Andresvirtual::8175-1Montoya Orozco, Germán Adolfovirtual::8176-1Polanía Arias, Leonel Andrésf4ff4415-0bb1-4a15-b5c9-6f9306f1aa9a5002022-02-22T20:03:21Z2022-02-22T20:03:21Z2021http://hdl.handle.net/1992/5552626303.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Las redes IoT presentan un alto crecimiento y se espera una adopción masiva en los próximos años. Sin embargo, las diferencias de estas redes frente a las redes tradicionales así plantean retos para su seguridad. Los Sistemas de Detección de Intrusos cobran mayor importancia en este contexto. En este trabajo se entrenan dos modelos de Machine Learning para un Sistema de Detección de Intrusos con el fin de detectar ataques de tipo DoS, Backdoor y Reconnaissance: Support Vector Machine y TabNet. Los modelos son evaluados utilizando principalmente la métrica de recall y se realiza una comparación de estos. El modelo de mejor desempeño (TabNet) logra detectar aproximadamente 100% de los ataques, pero posee retos en el número de falsas alarmas al tener una tasa de estas de 50%, y también presenta limitaciones en la identificación del tipo exacto de ataque.Internet of Things networks show a high growth rate, and it is expected that massive adoption is achieved in the next few years. Nevertheless, differences between this kind of networks and traditional ones set challenges regarding privacy and security of users. In this context, Intrusion Detection Systems play a key role. This paper presents the training of two Machine Learning models for an IDS, aim to detect DoS, Backdoor and Reconnaissance attacks: Support Vector Machine and TabNet. Those two models are evaluated against their recall score and a comparison in done between them. The best model in this metric reaches a nearly 100% attack detection rate. However, challenges still remain is terms of high false alarms rate (50%). Also, the model struggles to point the exact attack type when an alarm is raised.Ingeniero de Sistemas y ComputaciónPregrado42 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y ComputaciónEvaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoTTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPIoTSistemas de detección de intrusosMachine learningDeep learningIngeniería201720141Publicationhttps://scholar.google.es/citations?user=WRJlR-UAAAAJvirtual::8175-10000-0003-2920-6320virtual::8175-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000219541virtual::8175-1144aa5a0-592f-47a4-995b-a440d00b1658virtual::8175-1a197a9f7-96e5-47cb-a497-2ee4c9cdce71virtual::8176-1144aa5a0-592f-47a4-995b-a440d00b1658virtual::8175-1a197a9f7-96e5-47cb-a497-2ee4c9cdce71virtual::8176-1THUMBNAIL26303.pdf.jpg26303.pdf.jpgIM Thumbnailimage/jpeg10873https://repositorio.uniandes.edu.co/bitstreams/b6aad044-cf76-4e72-9513-75c2a4be2d71/downloadf49ce830a1357c7bb2519f46f2170cc2MD53TEXT26303.pdf.txt26303.pdf.txtExtracted texttext/plain42415https://repositorio.uniandes.edu.co/bitstreams/d13baafc-08e5-4a2f-82d3-773c620acbfe/download7706e9cb3881368c1d96bc3ca6819408MD52ORIGINAL26303.pdfapplication/pdf717574https://repositorio.uniandes.edu.co/bitstreams/c6f1ea83-58d7-4eb6-a1ba-c3457306c054/download0440c9a50928a3be0dc8699fcaf3526aMD511992/55526oai:repositorio.uniandes.edu.co:1992/555262024-03-13 13:36:51.709http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
| dc.title.spa.fl_str_mv |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| title |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| spellingShingle |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT IoT Sistemas de detección de intrusos Machine learning Deep learning Ingeniería |
| title_short |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| title_full |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| title_fullStr |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| title_full_unstemmed |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| title_sort |
Evaluación de modelos de machine learning para sistemas de detección de intrusos en dedes IoT |
| dc.creator.fl_str_mv |
Polanía Arias, Leonel Andrés |
| dc.contributor.advisor.none.fl_str_mv |
Lozano Garzon, Carlos Andres Montoya Orozco, Germán Adolfo |
| dc.contributor.author.spa.fl_str_mv |
Polanía Arias, Leonel Andrés |
| dc.subject.keyword.none.fl_str_mv |
IoT Sistemas de detección de intrusos Machine learning Deep learning |
| topic |
IoT Sistemas de detección de intrusos Machine learning Deep learning Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
Las redes IoT presentan un alto crecimiento y se espera una adopción masiva en los próximos años. Sin embargo, las diferencias de estas redes frente a las redes tradicionales así plantean retos para su seguridad. Los Sistemas de Detección de Intrusos cobran mayor importancia en este contexto. En este trabajo se entrenan dos modelos de Machine Learning para un Sistema de Detección de Intrusos con el fin de detectar ataques de tipo DoS, Backdoor y Reconnaissance: Support Vector Machine y TabNet. Los modelos son evaluados utilizando principalmente la métrica de recall y se realiza una comparación de estos. El modelo de mejor desempeño (TabNet) logra detectar aproximadamente 100% de los ataques, pero posee retos en el número de falsas alarmas al tener una tasa de estas de 50%, y también presenta limitaciones en la identificación del tipo exacto de ataque. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-02-22T20:03:21Z |
| dc.date.available.none.fl_str_mv |
2022-02-22T20:03:21Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/55526 |
| dc.identifier.pdf.spa.fl_str_mv |
26303.pdf |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
http://hdl.handle.net/1992/55526 |
| identifier_str_mv |
26303.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
42 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería de Sistemas y Computación |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/b6aad044-cf76-4e72-9513-75c2a4be2d71/download https://repositorio.uniandes.edu.co/bitstreams/d13baafc-08e5-4a2f-82d3-773c620acbfe/download https://repositorio.uniandes.edu.co/bitstreams/c6f1ea83-58d7-4eb6-a1ba-c3457306c054/download |
| bitstream.checksum.fl_str_mv |
f49ce830a1357c7bb2519f46f2170cc2 7706e9cb3881368c1d96bc3ca6819408 0440c9a50928a3be0dc8699fcaf3526a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1818111834222231552 |