SDN con sistema de detección de amenazas en redes IoT usando machine learning

El trabajo desarrollado tiene como propósito analizar y determinar el modelo de Machine Learning más pertinente, para una labor de detección y clasificación de amenazas en redes IoT industriales. Se busca comparar cuatro técnicas principales (Regresión Logística, Árboles de Decisión, SVM y Redes Neu...

Full description

Autores:
Fonseca Ramírez, David Guillermo
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:1992/55580
Acceso en línea:
http://hdl.handle.net/1992/55580
Palabra clave:
Aprendizaje automático (Inteligencia artificial)
Redes de computadores
Hackers (Informática)
Internet
Redes neurales (Computadores)
Ingeniería
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
id UNIANDES2_8a8432e96cd51298de0e219b0727cced
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/55580
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::10918-1Fonseca Ramírez, David Guillermo770ae85c-dbd6-4037-b78f-f9aa4ab9126e500Montoya Orozco, Germán Adolfo2022-02-22T20:05:41Z2022-02-22T20:05:41Z2021http://hdl.handle.net/1992/5558026181.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/El trabajo desarrollado tiene como propósito analizar y determinar el modelo de Machine Learning más pertinente, para una labor de detección y clasificación de amenazas en redes IoT industriales. Se busca comparar cuatro técnicas principales (Regresión Logística, Árboles de Decisión, SVM y Redes Neuronales Convolucionales) e implementar un Sistema de Detección de Amenazas al nivel de las redes definidas por software (SDN).The purpose of the current undergraduate project is to analyze and select the best Machine Learning model for classifying and predicting anomalies on a IIoT network. In this paper we are going to compare four Machine Learning techniques (Logistic Regression, SVM, Decision Tree Classifier and CNN). Finally, we are going to prototype an Intrusion Detection System at the network layer using a Software Defined Network approach.Ingeniero de Sistemas y ComputaciónPregrado58 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y ComputaciónSDN con sistema de detección de amenazas en redes IoT usando machine learningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPAprendizaje automático (Inteligencia artificial)Redes de computadoresHackers (Informática)InternetRedes neurales (Computadores)Ingeniería201729497Publicationhttps://scholar.google.es/citations?user=WRJlR-UAAAAJvirtual::10918-10000-0003-2920-6320virtual::10918-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000219541virtual::10918-1144aa5a0-592f-47a4-995b-a440d00b1658virtual::10918-1144aa5a0-592f-47a4-995b-a440d00b1658virtual::10918-1TEXT26181.pdf.txt26181.pdf.txtExtracted texttext/plain62446https://repositorio.uniandes.edu.co/bitstreams/315221be-7643-4726-a5ca-f395709d8253/downloade28568e414ee8a56ccdfd3d832e3a8d9MD52THUMBNAIL26181.pdf.jpg26181.pdf.jpgIM Thumbnailimage/jpeg8862https://repositorio.uniandes.edu.co/bitstreams/8bff430a-7bc9-4016-847c-d0903e18d0da/download51a68e81b0714d11611ee103f2ac3ad5MD53ORIGINAL26181.pdfapplication/pdf865897https://repositorio.uniandes.edu.co/bitstreams/5f1ca60a-ee28-43b0-ac15-23ea13184426/downloada1d005b9f4b87fd4221edb716034605bMD511992/55580oai:repositorio.uniandes.edu.co:1992/555802024-03-13 14:18:24.252http://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 SDN con sistema de detección de amenazas en redes IoT usando machine learning
title SDN con sistema de detección de amenazas en redes IoT usando machine learning
spellingShingle SDN con sistema de detección de amenazas en redes IoT usando machine learning
Aprendizaje automático (Inteligencia artificial)
Redes de computadores
Hackers (Informática)
Internet
Redes neurales (Computadores)
Ingeniería
title_short SDN con sistema de detección de amenazas en redes IoT usando machine learning
title_full SDN con sistema de detección de amenazas en redes IoT usando machine learning
title_fullStr SDN con sistema de detección de amenazas en redes IoT usando machine learning
title_full_unstemmed SDN con sistema de detección de amenazas en redes IoT usando machine learning
title_sort SDN con sistema de detección de amenazas en redes IoT usando machine learning
dc.creator.fl_str_mv Fonseca Ramírez, David Guillermo
dc.contributor.advisor.none.fl_str_mv Lozano Garzon, Carlos Andres
dc.contributor.author.spa.fl_str_mv Fonseca Ramírez, David Guillermo
dc.contributor.jury.spa.fl_str_mv Montoya Orozco, Germán Adolfo
dc.subject.keyword.none.fl_str_mv Aprendizaje automático (Inteligencia artificial)
Redes de computadores
Hackers (Informática)
Internet
Redes neurales (Computadores)
topic Aprendizaje automático (Inteligencia artificial)
Redes de computadores
Hackers (Informática)
Internet
Redes neurales (Computadores)
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description El trabajo desarrollado tiene como propósito analizar y determinar el modelo de Machine Learning más pertinente, para una labor de detección y clasificación de amenazas en redes IoT industriales. Se busca comparar cuatro técnicas principales (Regresión Logística, Árboles de Decisión, SVM y Redes Neuronales Convolucionales) e implementar un Sistema de Detección de Amenazas al nivel de las redes definidas por software (SDN).
publishDate 2021
dc.date.issued.none.fl_str_mv 2021
dc.date.accessioned.none.fl_str_mv 2022-02-22T20:05:41Z
dc.date.available.none.fl_str_mv 2022-02-22T20:05:41Z
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/1992/55580
dc.identifier.pdf.spa.fl_str_mv 26181.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/1992/55580
identifier_str_mv 26181.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 58 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/315221be-7643-4726-a5ca-f395709d8253/download
https://repositorio.uniandes.edu.co/bitstreams/8bff430a-7bc9-4016-847c-d0903e18d0da/download
https://repositorio.uniandes.edu.co/bitstreams/5f1ca60a-ee28-43b0-ac15-23ea13184426/download
bitstream.checksum.fl_str_mv e28568e414ee8a56ccdfd3d832e3a8d9
51a68e81b0714d11611ee103f2ac3ad5
a1d005b9f4b87fd4221edb716034605b
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_ 1812133971580944384