Evaluación de características de fuentes de datos en ciberseguridad para su aplicabilidad a algoritmos de aprendizaje basados en redes neuronales

Larriva Novo, Xavier Andrés and Vega Barbas, Mario and Villagrá González, Víctor Abraham and Sanz Rodrigo, Mario (2019). Evaluación de características de fuentes de datos en ciberseguridad para su aplicabilidad a algoritmos de aprendizaje basados en redes neuronales. In: "Actas del V Jornadas Nacionales de Investigación en Ciberseguridad (JNIC 2019)", 05/06/2019 - 07/06/2019, Caceres, España. ISBN 978-84-09-12121-2. pp. 1-8.

Description

Title: Evaluación de características de fuentes de datos en ciberseguridad para su aplicabilidad a algoritmos de aprendizaje basados en redes neuronales
Author/s:
  • Larriva Novo, Xavier Andrés
  • Vega Barbas, Mario
  • Villagrá González, Víctor Abraham
  • Sanz Rodrigo, Mario
Item Type: Presentation at Congress or Conference (Article)
Event Title: Actas del V Jornadas Nacionales de Investigación en Ciberseguridad (JNIC 2019)
Event Dates: 05/06/2019 - 07/06/2019
Event Location: Caceres, España
Title of Book: Actas de las V Jornadas Nacionales de Ciberseguridad
Date: 2019
ISBN: 978-84-09-12121-2
Subjects:
Freetext Keywords: Dataset; Ciberseguridad; Aprendizaje Automático; Redes Neuronales
Faculty: E.T.S.I. Telecomunicación (UPM)
Department: Ingeniería de Sistemas Telemáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img] PDF - Users in campus UPM only - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (777kB)

Abstract

Los algoritmos de inteligencia artificial ya tienen un papel protagonista en el ámbito de la ciberseguridad y la detección de ataques, pudiendo presentar mejores resultados en algunos escenarios que sistemas de detección de intrusiones clásicos como Snort o Suricata. Dentro de los algoritmos de aprendizaje automático, este artículo se centra en la evaluación de la aplicabilidad de uno de los más populares: las redes neuronales. Para ello, se plantea en primer lugar una categorización para datasets de ciberseguridad que divide sus características en varios grupos. Haciendo uso de dicha división, este trabajo busca determinar qué modelo de red neuronal (multicapa o recurrente), función de activación y algoritmo de aprendizaje arroja valores más elevados de precisión en función del grupo de características del que se disponga. Asimismo, y con estos resultados, se pretende deducir qué tipo de características presentes en un dataset son más relevantes y representativas para la detección y así, hacer más ligera la carga computacional de la red.

More information

Item ID: 64830
DC Identifier: https://oa.upm.es/64830/
OAI Identifier: oai:oa.upm.es:64830
Official URL: https://2019.jnic.es/
Deposited by: Memoria Investigacion
Deposited on: 05 May 2021 13:29
Last Modified: 05 May 2021 13:29
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM