Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios

"El desarrollo de sistemas de detección de intrusos es un área abierta de investigación, aunque diferentes investigadores han trabajado en estos sistemas durante décadas. Esto se debe a la tasa de falsos positivos y falsos negativos generados por estos sistemas, que en un contexto de seguridad no son aceptables. En años recientes, se han utilizado tecnologías como las redes neuronales artificiales (ANN) para mejorar los sistemas de detección de intrusos. ANN ha dado buenos resultados en otros campos y se espera que mejore esta deficiencia en los sistemas de detección de intrusos. Sin embargo, las redes neuronales profundas han mostrado debilidades en la presencia de Adversarial Examples, lo que afecta significativamente su rendimiento. Este documento presenta una comparación entre diferentes modelos de ANN implementados para la detección de intrusos. Utilizamos dos conjuntos de datos públicos (NSL-KDD y ASNM-NPBO) para entrenamiento, uno de ellos contiene ataques de evasión en un ambiente real." -- Tomado del Formato de Documento de Grado.

• Autores: Torres Ruiz, Diego Alexander
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/43759
• Acceso en línea: http://hdl.handle.net/1992/43759
• Palabra clave: Detección de anomalías (Seguridad en computadores); Redes de computadores; Aprendizaje automático (Inteligencia artificial); Redes neurales (Computadores); Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/