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...

Full description

Autores:
Torres Ruiz, Diego Alexander
Tipo de recurso:
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/
id UNIANDES2_c395306df4e7fbc2f248edc9f1aeabb9
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/43759
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
title Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
spellingShingle Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
Detección de anomalías (Seguridad en computadores)
Redes de computadores
Aprendizaje automático (Inteligencia artificial)
Redes neurales (Computadores)
Ingeniería
title_short Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
title_full Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
title_fullStr Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
title_full_unstemmed Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
title_sort Sistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversarios
dc.creator.fl_str_mv Torres Ruiz, Diego Alexander
dc.contributor.advisor.none.fl_str_mv Rueda Rodríguez, Sandra Julieta
dc.contributor.author.none.fl_str_mv Torres Ruiz, Diego Alexander
dc.contributor.jury.none.fl_str_mv Núñez Castro, Haydemar María
Ochoa Ronderos, Martín
dc.subject.armarc.es_CO.fl_str_mv Detección de anomalías (Seguridad en computadores)
Redes de computadores
Aprendizaje automático (Inteligencia artificial)
Redes neurales (Computadores)
topic Detección de anomalías (Seguridad en computadores)
Redes de computadores
Aprendizaje automático (Inteligencia artificial)
Redes neurales (Computadores)
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description "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.
publishDate 2019
dc.date.issued.es_CO.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2020-09-03T14:15:15Z
dc.date.available.none.fl_str_mv 2020-09-03T14:15:15Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/43759
dc.identifier.pdf.none.fl_str_mv u830923.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/1992/43759
identifier_str_mv u830923.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.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.es_CO.fl_str_mv 97 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Ingeniería de Sistemas y Computación
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería de Sistemas y Computación
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/f8799d97-e38f-407b-9980-b485869b9e6d/download
https://repositorio.uniandes.edu.co/bitstreams/8176e137-0ecb-4974-adac-14a81dceab1d/download
https://repositorio.uniandes.edu.co/bitstreams/ec2cba88-71f6-43b7-a3df-7a6a50e16346/download
bitstream.checksum.fl_str_mv 6251ec05fbc6d3ab6aa99eb972c5af88
dd7acabd1d4af5693d0636e48edf9ecd
f9a3920c467d7ecaf536410b85dcec7b
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_ 1808390412213157888
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_abf2Rueda Rodríguez, Sandra Julieta9a5a1680-7f81-46b9-bea8-a7a3f555de1b400Torres Ruiz, Diego Alexanderbed348fe-ebc8-4af9-9381-eb89b7f4f1b8500Núñez Castro, Haydemar MaríaOchoa Ronderos, Martín2020-09-03T14:15:15Z2020-09-03T14:15:15Z2019http://hdl.handle.net/1992/43759u830923.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/"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."Development of Intrusion detection systems is an open area of research, even though different experts have studied these systems for decades. This is due to the high rate of false positives and false negatives generated by these systems, rates that in a security context are not acceptable. More recently, technologies such as deep neural networks have been used in intrusion detection systems. Deep neural networks have good results in other fields and are expected to improve the mentioned shortcoming in intrusion detection systems. However, deep neural networks show weaknesses in the presence of adversaries, having significant performance reductions. This work presents a comparison between different implemented models of Deep Learning for intrusion detection. We used two public datasets (NSL-KDD and ASNM-NPBO) to train the models; one of the datasets has evasion attacks in real environments." -- Tomado del Formato de Documento de Grado.Magíster en Ingeniería de Sistemas y ComputaciónMaestría97 hojasapplication/pdfspaUniandesMaestría en Ingeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y Computacióninstname:Universidad de los Andesreponame:Repositorio Institucional SénecaSistemas de detección de intrusos basados en redes neuronales artificiales en ambientes con adversariosTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMDetección de anomalías (Seguridad en computadores)Redes de computadoresAprendizaje automático (Inteligencia artificial)Redes neurales (Computadores)IngenieríaPublicationTEXTu830923.pdf.txtu830923.pdf.txtExtracted texttext/plain172499https://repositorio.uniandes.edu.co/bitstreams/f8799d97-e38f-407b-9980-b485869b9e6d/download6251ec05fbc6d3ab6aa99eb972c5af88MD54THUMBNAILu830923.pdf.jpgu830923.pdf.jpgIM Thumbnailimage/jpeg7779https://repositorio.uniandes.edu.co/bitstreams/8176e137-0ecb-4974-adac-14a81dceab1d/downloaddd7acabd1d4af5693d0636e48edf9ecdMD55ORIGINALu830923.pdfapplication/pdf801301https://repositorio.uniandes.edu.co/bitstreams/ec2cba88-71f6-43b7-a3df-7a6a50e16346/downloadf9a3920c467d7ecaf536410b85dcec7bMD511992/43759oai:repositorio.uniandes.edu.co:1992/437592023-10-10 18:35:58.432http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co

Publicaciones similares