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...
- 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 |