• español
    • English
  • Login
  • español 
    • español
    • English

UniversidaddeCádiz

Área de Biblioteca, Archivo y Publicaciones
Comunidades y colecciones
Ver ítem 
  •   RODIN Principal
  • Trabajos Académicos
  • Trabajos Fin de Máster
  • Máster Universitario en Seguridad Informática (Ciberseguridad) - TFM
  • Ver ítem
  •   RODIN Principal
  • Trabajos Académicos
  • Trabajos Fin de Máster
  • Máster Universitario en Seguridad Informática (Ciberseguridad) - TFM
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Predicción de ciberataques mediante el empleo de algoritmos deep learning

Thumbnail
Identificadores

URI: http://hdl.handle.net/10498/28387

Ficheros
Memoria (1.797Mb)
Estadísticas
Ver estadísticas
Compartir
Exportar a
Exportar a MendeleyRefworksEndNoteBibTexRIS
Metadatos
Mostrar el registro completo del ítem
Autor/es
Gutiérrez Galeano, Leopoldo JesúsAutoridad UCA
Fecha
2022-09
Director/Tutor
Domínguez Jiménez, Juan JoséAutoridad UCA
Departamento/s
Ingeniería Informática
Resumen
La seguridad informática es un área muy necesaria debido a los nuevos tipos de ciberamenazas que aparecen continuamente. Para intentar minimizar al máximo posible los riesgos de ciberataques, es necesario el uso de herramientas y técnicas que sean capaces de detectarlas. Para ello, se entrena un modelo de detección de ciberataques, basado en algoritmos de aprendizaje profundo. Se ha seleccionado el modelo T5, pre-entrenado para tareas de procesamiento de lenguaje natural. Para los experimentos se ha utilizado el conjunto de datos CIC-IDS2017. Este dataset ha sido previamente limpiado y adaptado al modelo seleccionado, y se ha llevado a cabo un proceso de fine-tuning, a partir del cual se han conseguido unos resultados bastante buenos, superando el 97% de tasa de acierto, para el tamaño pre-entrenado más pequeño, t5-small, y más de un 99% para el segundo tamaño pre-entrenado más pequeño, t5-base. Finalmente se hace un estudio comparativo en relación a la evolución de las tasas de pérdida y las tasas de acierto, calculadas para cada tamaño y época. Por motivos de simplicidad se ha utilizado el wrapper SimpleT5, el cual permite utilizar el modelo T5 con pocas líneas de código.
Materias
deep learning; detección; ciberataques; T5; fine-tuning
Colecciones
  • Máster Universitario en Seguridad Informática (Ciberseguridad) - TFM [7]
  • Trabajos fin de master Ing. Infor. [13]
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Esta obra está bajo una Licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional

Listar

Todo RODINComunidades y ColeccionesPor fecha de publicaciónAutoresTítulosMateriasEsta colecciónPor fecha de publicaciónAutoresTítulosMaterias

Mi cuenta

AccederRegistro

Estadísticas

Ver Estadísticas de uso

Información adicional

Acerca de...Deposita en RODINPolíticasNormativasDerechos de autorEnlaces de interésEstadísticasNovedadesPreguntas frecuentes

RODIN está accesible a través de

OpenAIREOAIsterRecolectaHispanaEuropeanaBaseDARTOATDGoogle Académico

Enlaces de interés

Sherpa/RomeoDulcineaROAROpenDOARCreative CommonsORCID

RODIN está gestionado por el Área de Biblioteca, Archivo y Publicaciones de la Universidad de Cádiz

ContactoSugerenciasAtención al Usuario