Clasificación de tráfico Web orientadas a la identificación oportuna de ataques usando técnicas de Deep Learning

Abstract

El proyecto tiene como objetivo diseñar un sistema basado en aprendizaje profundo para identificar amenazas cibernéticas en el tráfico web de la Facultad de Sistema y Telecomunicaciones (FACSISTEL). Este sistema se centra en el análisis de archivos de registro (logs) capturados en la red, utilizando modelos avanzados de Deep Learning como redes neuronales recurrentes (GRU ), redes recurrentes (DTL) y mapas autoorganizados (SOM). El proceso. incluye el preprocesamiento de datos, entrenamiento de algoritmos y evaluación con métricas. como precisión y F1-score. Los. resultados demuestran una alta efectividad en la detección de tráfico. anómalo, minimizando los falsos positivos y permitiendo respuestas proactivas ante accesos a sitios maliciosos. Esta solución. tecnológica no solo fortalece la seguridad cibernética de la institución, sino que también establece un modelo escalable y adaptable a redes. distribuidas más complejas, posicionándose como una herramienta clave en el ámbito de la ciberseguridad educativa.