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

Técnicas de minería de datos para la detección de amenazas persistentes avanzados en páginas web

dc.contributor.advisorQuirumbay Yagual, Daniel
dc.contributor.authorBalón González, Nidia Anahi
dc.date.accessioned2026-01-15T17:26:55Z
dc.date.available2026-01-15T17:26:55Z
dc.date.issued2026-01-15
dc.description.abstractEste estudio utilizó técnicas avanzadas de minería de datos y aprendizaje automático para identificar Amenazas Persistentes Avanzadas (APTs) en el tráfico web de la UPSE. Su propósito fue crear un sistema de detección eficiente, desarrollar modelos predictivos, aplicar algoritmos de clasificación y visualizar los resultados. La metodología siguió la metodología CRISP-DM, desde la comprensión del problema hasta la explotación de los hallazgos, incluyendo un análisis detallado de un dataset con 394,771 registros de tráfico de red. Se evaluaron cuatro algoritmos: SVM, Random Forest, K-means e Isolation Forest, los resultados mostraron que los modelos supervisados son más factibles, mientras los no supervisados mostraron un rendimiento inferior. Se concluye que la integración de minería de datos con modelos de machine learning supervisados constituye una estrategia práctica y eficaz para identificar APTs en entornos de red institucionales. El sistema desarrollado, junto con su dashboard, ofrece un enfoque claro que refuerza la seguridad ayudando de manera proactiva a proteger las infraestructuras e información contra APTs.
dc.identifier.citationBalón González, Nidia Anahi (2026). Técnicas de minería de datos para la detección de amenazas persistentes avanzados en páginas web. La Libertad. UPSE, Matriz. Facultad de Sistemas y Telecomunicaciones. 138p.
dc.identifier.otherUPSE-TTI-2026-002
dc.identifier.urihttps://repositorio.upse.edu.ec/handle/46000/16028
dc.language.isospa
dc.pages138 p.
dc.publisherLa Libertad: Universidad Estatal Península de Santa Elena, 2026
dc.rightsopenAccess
dc.rights.licenseAttribution-NonCommercial-NoDerivs 3.0 United Statesen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subjectMINERIA DE DATOS
dc.subjectAPTS
dc.subjectMACHINE LEARNING
dc.titleTécnicas de minería de datos para la detección de amenazas persistentes avanzados en páginas web
dc.typeinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
UPSE-TTI-2026-002.pdf
Tamaño:
3,11 MB
Formato:
Adobe Portable Document Format
Descripción:
TRABAJO DE INTEGRACIÓN CURRICULAR

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1,71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: