Diseño, implementación y evaluación de técnicas híbridas de aprendizaje automático en la detección de intrusos en redes de computadoras

Abstract

Resumen Las redes de computadoras han sido raramemente aceptadas en la sociedad y corresponden a un aspecto fundamental en la vida de millones de personas alrededor del mundo. El crecimiento de las mismas ha generado nuevos paradigmas tales como lo son la computación en la nube o el Internet de las cosas, que demandan nuevas estrategias de seguridad que garanticen a los usuarios un servicio confi able y seguro. Como estrategia revolucionaria en el área de seguridad informática ha surgido la tendencia de introducir el aprendizaje automático,buscando el aumento de la efectividad a la hora de detectar ataques. Por lo expuesto previamente, en el presente trabajo de investigación se realizó un estudio minucioso de las tendencias de investigación entre las áreas de ML y seguridad en redes de computadoras, seleccionando un conjunto de datos bien conocido como lo es el conjunto de datos NSL-KDD para analizar, diseñar e implementar modelos híbridos de ML combinando las técnicas de enfoque supervisado de redes neuronales y máquinas de vectores de soporte en conjunto con la técnica de enfoque no-supervisado K-Medias, obteniendo resultados que indican que el uso de ambos enfoques como complemento incrementa la cantidad de ataques detectados. Palabras clave: Redes de computadoras, seguridad en redes de computadoras, ataques, aprendizaje automático, modelos híbridos de aprendizaje automático, redes neuronales, máquinas de vectores de soporte.