Análisis del tráfico de red utilizando técnicas de Machine Learning

Con el desarrollo de este proyecto se pretende facilitar las tareas de un gestor de red, esto mediante el uso de distintas técnicas de machine learning (ML) que permitan obtener información importante sobre el tráfico de red capturado por un router en una red local.

Autores:
Guzmán Moyano, John Alexander
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/73727
Acceso en línea:
https://hdl.handle.net/1992/73727
Palabra clave:
Machine Learning
Tráfico de Red
Agrupamiento
Detección de Anomalias
Clasificación
Analisis de Datos
Ingeniería
Rights
openAccess
License
Attribution 4.0 International
id UNIANDES2_92a42a7f19015597e4d8dca7cab250f5
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/73727
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Análisis del tráfico de red utilizando técnicas de Machine Learning
dc.title.alternative.eng.fl_str_mv Network Traffic Analysis Using Machine Learning Techniques
title Análisis del tráfico de red utilizando técnicas de Machine Learning
spellingShingle Análisis del tráfico de red utilizando técnicas de Machine Learning
Machine Learning
Tráfico de Red
Agrupamiento
Detección de Anomalias
Clasificación
Analisis de Datos
Ingeniería
title_short Análisis del tráfico de red utilizando técnicas de Machine Learning
title_full Análisis del tráfico de red utilizando técnicas de Machine Learning
title_fullStr Análisis del tráfico de red utilizando técnicas de Machine Learning
title_full_unstemmed Análisis del tráfico de red utilizando técnicas de Machine Learning
title_sort Análisis del tráfico de red utilizando técnicas de Machine Learning
dc.creator.fl_str_mv Guzmán Moyano, John Alexander
dc.contributor.advisor.none.fl_str_mv Forero Montoya, Betsy Stella
Montoya Orozco, Germán Adolfo
dc.contributor.author.none.fl_str_mv Guzmán Moyano, John Alexander
dc.contributor.jury.none.fl_str_mv Lozano Garzón, Carlos Andrés
dc.contributor.researchgroup.none.fl_str_mv Facultad de Ingeniería::COMIT - Comunicaciones y Tecnología de Información
dc.subject.keyword.none.fl_str_mv Machine Learning
Tráfico de Red
Agrupamiento
Detección de Anomalias
Clasificación
Analisis de Datos
topic Machine Learning
Tráfico de Red
Agrupamiento
Detección de Anomalias
Clasificación
Analisis de Datos
Ingeniería
dc.subject.themes.spa.fl_str_mv Ingeniería
description Con el desarrollo de este proyecto se pretende facilitar las tareas de un gestor de red, esto mediante el uso de distintas técnicas de machine learning (ML) que permitan obtener información importante sobre el tráfico de red capturado por un router en una red local.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023-12-15
dc.date.accessioned.none.fl_str_mv 2024-02-01T02:05:14Z
dc.date.available.none.fl_str_mv 2024-02-01T02:05:14Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.redcol.none.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 https://hdl.handle.net/1992/73727
dc.identifier.instname.none.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.none.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.none.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url https://hdl.handle.net/1992/73727
identifier_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv M. Sha, R. Dor, G. Hackmann, C. Lu, T.-S. Kim, and T. Park, “Self-adapting mac layer for wireless sensor networks,” in 2013 IEEE 34th Real-Time Systems Symposium, pp. 192–201, 2013.
Q. Mao, F. Hu, and Q. Hao, “Deep learning for intelligent wireless networks: A comprehensive survey,” IEEE Communications Surveys Tutorials, vol. 20, no. 4, pp. 2595–2621, 2018.
M. Kulin, T. Kazaz, E. De Poorter, and I. Moerman, “A survey on machine learningbased performance improvement of wireless networks: Phy, mac and network layer,” Electronics, vol. 10, no. 3, 2021.
P. Haffner, S. Sen, O. Spatscheck, and D. Wang, “Acas: Automated construction of application signatures,” pp. 197–202, 01 2005.
J. Erman, A. Mahanti, M. Arlitt, I. Cohen, and C. Williamson, “Offline/realtime traffic classification using semi-supervised learning,” Performance Evaluation, vol. 64, no. 9, pp. 1194–1213, 2007. Performance 2007.
M. A. Yar, “Internet traffic data set,” 2023.
X. Jin and J. Han, K-Means Clustering, pp. 563–564. Boston, MA: Springer US, 2010.
F. T. Liu, K. Ting, and Z.-H. Zhou, “Isolation forest,” pp. 413 – 422, 01 2009.
J. R. Quinlan, “Induction of decision trees,” Machine Learning, vol. 1, pp. 81–106, Mar 1986.
dc.rights.en.fl_str_mv Attribution 4.0 International
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution 4.0 International
http://creativecommons.org/licenses/by/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 19 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería de Sistemas y Computación
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Sistemas y Computación
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/59600906-14b1-471d-939b-222fe8b255e0/download
https://repositorio.uniandes.edu.co/bitstreams/a8c11ffb-7562-4700-ba3a-82827780915e/download
https://repositorio.uniandes.edu.co/bitstreams/2fad6c6b-b36a-4d30-bf38-79afd11a1aff/download
https://repositorio.uniandes.edu.co/bitstreams/0855f64f-ce6d-4da6-8293-f81125300ede/download
https://repositorio.uniandes.edu.co/bitstreams/b15002eb-78d9-47cd-baa2-be468bc44154/download
https://repositorio.uniandes.edu.co/bitstreams/22d1c904-ea50-4f37-b392-bbb4e70f4777/download
https://repositorio.uniandes.edu.co/bitstreams/41f5e8df-f7a4-4970-8847-cfed3bc5d395/download
https://repositorio.uniandes.edu.co/bitstreams/e2b2ce1f-357a-4448-a375-7e19212e1e96/download
bitstream.checksum.fl_str_mv 1e1626119b59a35da474e9a3926cff98
d5cc28386522a05b78b8ee3d45b12a40
0175ea4a2d4caec4bbcc37e300941108
ae9e573a68e7f92501b6913cc846c39f
a334dbc38bcf9e180b5159d7396a835a
28dcee6e1a5feed2bb4f3a98854e60b0
1dce514129b261359e793a3aec6d82b2
db4595be369c47574b6d7835abfaa0f7
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134013799759872
spelling Forero Montoya, Betsy StellaMontoya Orozco, Germán AdolfoGuzmán Moyano, John AlexanderLozano Garzón, Carlos AndrésFacultad de Ingeniería::COMIT - Comunicaciones y Tecnología de Información2024-02-01T02:05:14Z2024-02-01T02:05:14Z2023-12-15https://hdl.handle.net/1992/73727instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Con el desarrollo de este proyecto se pretende facilitar las tareas de un gestor de red, esto mediante el uso de distintas técnicas de machine learning (ML) que permitan obtener información importante sobre el tráfico de red capturado por un router en una red local.Ingeniero de Sistemas y ComputaciónPregradoIA aplicada a telecomunicaciones19 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y ComputaciónAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Análisis del tráfico de red utilizando técnicas de Machine LearningNetwork Traffic Analysis Using Machine Learning TechniquesTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPMachine LearningTráfico de RedAgrupamientoDetección de AnomaliasClasificaciónAnalisis de DatosIngenieríaM. Sha, R. Dor, G. Hackmann, C. Lu, T.-S. Kim, and T. Park, “Self-adapting mac layer for wireless sensor networks,” in 2013 IEEE 34th Real-Time Systems Symposium, pp. 192–201, 2013.Q. Mao, F. Hu, and Q. Hao, “Deep learning for intelligent wireless networks: A comprehensive survey,” IEEE Communications Surveys Tutorials, vol. 20, no. 4, pp. 2595–2621, 2018.M. Kulin, T. Kazaz, E. De Poorter, and I. Moerman, “A survey on machine learningbased performance improvement of wireless networks: Phy, mac and network layer,” Electronics, vol. 10, no. 3, 2021.P. Haffner, S. Sen, O. Spatscheck, and D. Wang, “Acas: Automated construction of application signatures,” pp. 197–202, 01 2005.J. Erman, A. Mahanti, M. Arlitt, I. Cohen, and C. Williamson, “Offline/realtime traffic classification using semi-supervised learning,” Performance Evaluation, vol. 64, no. 9, pp. 1194–1213, 2007. Performance 2007.M. A. Yar, “Internet traffic data set,” 2023.X. Jin and J. Han, K-Means Clustering, pp. 563–564. Boston, MA: Springer US, 2010.F. T. Liu, K. Ting, and Z.-H. Zhou, “Isolation forest,” pp. 413 – 422, 01 2009.J. R. Quinlan, “Induction of decision trees,” Machine Learning, vol. 1, pp. 81–106, Mar 1986.201713338PublicationORIGINALAutorizacionEnvioDocumento-Firmada.pdfAutorizacionEnvioDocumento-Firmada.pdfHIDEapplication/pdf245285https://repositorio.uniandes.edu.co/bitstreams/59600906-14b1-471d-939b-222fe8b255e0/download1e1626119b59a35da474e9a3926cff98MD51Análisis del Tráfico de Red Utilizando Técnicas de Machine Learning.pdfAnálisis del Tráfico de Red Utilizando Técnicas de Machine Learning.pdfapplication/pdf512613https://repositorio.uniandes.edu.co/bitstreams/a8c11ffb-7562-4700-ba3a-82827780915e/downloadd5cc28386522a05b78b8ee3d45b12a40MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8908https://repositorio.uniandes.edu.co/bitstreams/2fad6c6b-b36a-4d30-bf38-79afd11a1aff/download0175ea4a2d4caec4bbcc37e300941108MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/0855f64f-ce6d-4da6-8293-f81125300ede/downloadae9e573a68e7f92501b6913cc846c39fMD54TEXTAutorizacionEnvioDocumento-Firmada.pdf.txtAutorizacionEnvioDocumento-Firmada.pdf.txtExtracted texttext/plain1456https://repositorio.uniandes.edu.co/bitstreams/b15002eb-78d9-47cd-baa2-be468bc44154/downloada334dbc38bcf9e180b5159d7396a835aMD55Análisis del Tráfico de Red Utilizando Técnicas de Machine Learning.pdf.txtAnálisis del Tráfico de Red Utilizando Técnicas de Machine Learning.pdf.txtExtracted texttext/plain35232https://repositorio.uniandes.edu.co/bitstreams/22d1c904-ea50-4f37-b392-bbb4e70f4777/download28dcee6e1a5feed2bb4f3a98854e60b0MD57THUMBNAILAutorizacionEnvioDocumento-Firmada.pdf.jpgAutorizacionEnvioDocumento-Firmada.pdf.jpgGenerated Thumbnailimage/jpeg11264https://repositorio.uniandes.edu.co/bitstreams/41f5e8df-f7a4-4970-8847-cfed3bc5d395/download1dce514129b261359e793a3aec6d82b2MD56Análisis del Tráfico de Red Utilizando Técnicas de Machine Learning.pdf.jpgAnálisis del Tráfico de Red Utilizando Técnicas de Machine Learning.pdf.jpgGenerated Thumbnailimage/jpeg7094https://repositorio.uniandes.edu.co/bitstreams/e2b2ce1f-357a-4448-a375-7e19212e1e96/downloaddb4595be369c47574b6d7835abfaa0f7MD581992/73727oai:repositorio.uniandes.edu.co:1992/737272024-02-16 15:22:01.86http://creativecommons.org/licenses/by/4.0/Attribution 4.0 Internationalopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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