<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
Universidad Estatal Península de Santa ElenaPortal UPSE
Repositorio InstitucionalInvestigación y conocimiento abierto

Identificación de anomalías en el tráfico de red utilizando algoritmos de aprendizaje automático. Caso de estudio: CENAIM-ESPOL.

Cargando...
Miniatura

Título de la revista

ISSN de la revista

Título del volumen

Editor

La Libertad, Universidad Estatal Península de Santa Elena, 2025

DOI

Resumen

El estudio "Identificación de anomalías en el tráfico de red utilizando algoritmos de aprendizaje automático. Caso de estudio: CENAIM-ESPOL" trata de recopilar y analizar el tráfico de red generado, en periodos definidos, en el switch principal de la institución, para prevenir la explotación de vulnerabilidades mediante el entrenamiento de modelos con algoritmos de aprendizaje automático. Se utilizaron algoritmos supervisados y no supervisados, para identificar patrones anómalos. Según los resultados obtenidos la combinación K-Means y SVM fue la mejor para la detección de anomalías. Esto sugiere que su aplicación podría ser muy útil para mejorar la seguridad en la red. Además, al integrar la API de Virus Total, se validó si las anomalías detectadas eran realmente amenazas, lo que permitió tomar decisiones fundamentadas sobre los potenciales riesgos. Se concluye que aplicar técnicas de Machine Learning mejora la capacidad de identificación de amenazas en el tráfico de red del CENAIM-ESPOL.

Descripción

Citación

Chóez Baque, Francisco Alexis (2025). Identificación de anomalías en el tráfico de red utilizando algoritmos de aprendizaje automático. Caso de estudio: CENAIM-ESPOL. La Libertad. UPSE, Matriz. Instituto de Postgrado. 55p.

Aprobación

Revisión

Complementado por

Referenciado por

Rights and licensing

openAccess
Atribución-NoComercial-SinDerivadas 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-nd/3.0/ec/