Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo
La detección de anomalías es crucial en el ámbito de la ciberseguridad, especialmente ante la creciente sofisticación de los ciberataques. Este artículo explora las técnicas basadas en aprendizaje profundo, que han ganado notoriedad por su capacidad para identificar patrones complejos en grandes vo...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de las Ciencias Informáticas (UCI)
2024-12-01
|
| Series: | Serie Científica de la Universidad de las Ciencias Informáticas |
| Subjects: | |
| Online Access: | http://localhost/Serie%20cientifica/ojs/index.php/serie/article/view/1765 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849468973587890176 |
|---|---|
| author | Adiane Cueto Portuondo Mónica Delgado Hernández Heidy Rodríguez Malvarez Mónica Peña Casanova |
| author_facet | Adiane Cueto Portuondo Mónica Delgado Hernández Heidy Rodríguez Malvarez Mónica Peña Casanova |
| author_sort | Adiane Cueto Portuondo |
| collection | DOAJ |
| description |
La detección de anomalías es crucial en el ámbito de la ciberseguridad, especialmente ante la creciente sofisticación de los ciberataques. Este artículo explora las técnicas basadas en aprendizaje profundo, que han ganado notoriedad por su capacidad para identificar patrones complejos en grandes volúmenes de datos y ofrecer soluciones eficaces en la detección de intrusiones, gestión de vulnerabilidades y seguridad de redes. Los resultados destacan la importancia de la detección de anomalías en la ciberseguridad y la efectividad de las técnicas basadas en aprendizaje profundo en diversas aplicaciones, como la detección de intrusiones, la gestión de vulnerabilidades y la seguridad en redes. Además, se presentan investigaciones relacionadas que abordan distintos aspectos de la detección de anomalías utilizando aprendizaje profundo. El trabajo identifica áreas clave de mejora y nuevas direcciones de investigación, como la interpretación de modelos de aprendizaje profundo, la integración de contexto y conocimiento del dominio, y la consideración de aspectos éticos y de privacidad en la detección de anomalías
|
| format | Article |
| id | doaj-art-a89b3d84aa944280bb7a739356cfefbb |
| institution | Kabale University |
| issn | 2306-2495 |
| language | Spanish |
| publishDate | 2024-12-01 |
| publisher | Universidad de las Ciencias Informáticas (UCI) |
| record_format | Article |
| series | Serie Científica de la Universidad de las Ciencias Informáticas |
| spelling | doaj-art-a89b3d84aa944280bb7a739356cfefbb2025-08-20T03:25:41ZspaUniversidad de las Ciencias Informáticas (UCI)Serie Científica de la Universidad de las Ciencias Informáticas2306-24952024-12-011712Detección de anomalías en minería de datos: un enfoque de aprendizaje profundoAdiane Cueto Portuondo0https://orcid.org/0009-0009-7669-8904Mónica Delgado Hernández1https://orcid.org/0000-0002-2527-0037Heidy Rodríguez Malvarez2https://orcid.org/0000-0002-5154-1339Mónica Peña Casanova3https://orcid.org/0000-0003-2500-4510Universidad de las Ciencias InformáticasUniversidad de las Ciencias InformáticasUniversidad de las Ciencias InformáticasUniversidad de las Ciencias Informáticas La detección de anomalías es crucial en el ámbito de la ciberseguridad, especialmente ante la creciente sofisticación de los ciberataques. Este artículo explora las técnicas basadas en aprendizaje profundo, que han ganado notoriedad por su capacidad para identificar patrones complejos en grandes volúmenes de datos y ofrecer soluciones eficaces en la detección de intrusiones, gestión de vulnerabilidades y seguridad de redes. Los resultados destacan la importancia de la detección de anomalías en la ciberseguridad y la efectividad de las técnicas basadas en aprendizaje profundo en diversas aplicaciones, como la detección de intrusiones, la gestión de vulnerabilidades y la seguridad en redes. Además, se presentan investigaciones relacionadas que abordan distintos aspectos de la detección de anomalías utilizando aprendizaje profundo. El trabajo identifica áreas clave de mejora y nuevas direcciones de investigación, como la interpretación de modelos de aprendizaje profundo, la integración de contexto y conocimiento del dominio, y la consideración de aspectos éticos y de privacidad en la detección de anomalías http://localhost/Serie%20cientifica/ojs/index.php/serie/article/view/1765detección de anomalías; ataques cibernéticos; aprendizaje profundo; seguridad en redes |
| spellingShingle | Adiane Cueto Portuondo Mónica Delgado Hernández Heidy Rodríguez Malvarez Mónica Peña Casanova Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo Serie Científica de la Universidad de las Ciencias Informáticas detección de anomalías; ataques cibernéticos; aprendizaje profundo; seguridad en redes |
| title | Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo |
| title_full | Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo |
| title_fullStr | Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo |
| title_full_unstemmed | Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo |
| title_short | Detección de anomalías en minería de datos: un enfoque de aprendizaje profundo |
| title_sort | deteccion de anomalias en mineria de datos un enfoque de aprendizaje profundo |
| topic | detección de anomalías; ataques cibernéticos; aprendizaje profundo; seguridad en redes |
| url | http://localhost/Serie%20cientifica/ojs/index.php/serie/article/view/1765 |
| work_keys_str_mv | AT adianecuetoportuondo detecciondeanomaliasenmineriadedatosunenfoquedeaprendizajeprofundo AT monicadelgadohernandez detecciondeanomaliasenmineriadedatosunenfoquedeaprendizajeprofundo AT heidyrodriguezmalvarez detecciondeanomaliasenmineriadedatosunenfoquedeaprendizajeprofundo AT monicapenacasanova detecciondeanomaliasenmineriadedatosunenfoquedeaprendizajeprofundo |