<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.

dc.contributor.advisorQuirumbay Yagual, Daniel Iván
dc.contributor.authorChóez Baque, Francisco Alexis
dc.date.accessioned2025-02-20T19:37:28Z
dc.date.available2025-02-20T19:37:28Z
dc.date.issued2025-02-20
dc.description.abstractEl 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.es
dc.identifier.citationChóez 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.es
dc.identifier.otherUPSE-MCI-2025-0013
dc.identifier.urihttps://repositorio.upse.edu.ec/handle/46000/13090
dc.language.isospaes
dc.pages55 p.es
dc.publisherLa Libertad, Universidad Estatal Península de Santa Elena, 2025es
dc.rightsopenAccesses
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectAPRENDIZAJE AUTOMÁTICOes
dc.subjectANOMALÍAes
dc.subjectREDes
dc.titleIdentificación de anomalías en el tráfico de red utilizando algoritmos de aprendizaje automático. Caso de estudio: CENAIM-ESPOL.es
dc.typemasterThesises

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
UPSE-MCI-2025-0013.pdf
Tamaño:
7,71 MB
Formato:
Adobe Portable Document Format
Descripción:
PROPUESTA METODOLÓGICA Y TECNOLÓGICA

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
13,84 KB
Formato:
Item-specific license agreed upon to submission
Descripción: