Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest
Es indudable el rol que los Sistemas de Comunicaciones tienen en la vida diaria de las personas, el uso de esta tecnología presenta diversas prestaciones como procesamiento de datos de negocio, educación y aprendizaje a distancia, colaboración en línea, adquisición de datos y entretenimiento. Con l...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad de las Ciencias Informáticas (UCI)
2022-02-01
|
| Series: | Serie Científica de la Universidad de las Ciencias Informáticas |
| Subjects: | |
| Online Access: | http://localhost/Serie%20cientifica/ojs/index.php/serie/article/view/1041 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849468976920264704 |
|---|---|
| author | Jenny Arizaga Gamboa Jorge Chicala Arroyave Eduardo Alvarado Unamuno |
| author_facet | Jenny Arizaga Gamboa Jorge Chicala Arroyave Eduardo Alvarado Unamuno |
| author_sort | Jenny Arizaga Gamboa |
| collection | DOAJ |
| description |
Es indudable el rol que los Sistemas de Comunicaciones tienen en la vida diaria de las personas, el uso de esta tecnología presenta diversas prestaciones como procesamiento de datos de negocio, educación y aprendizaje a distancia, colaboración en línea, adquisición de datos y entretenimiento. Con la finalidad de que los servicios que son ofrecidos por los sistemas de comunicación estén disponibles cuando se requieran -disponibilidad-, que la información generada por estos servicios o transmitidas desde ellos sea enviada o llegue sin alteración -integridad- y que la información que maneja solo pueda ser visualizada o accedida por la persona que tiene la autorización de hacerlo -confidencialidad- es importante garantizar la seguridad de estos equipos. El trabajo realizado tuvo como objetivo realizar una prueba de concepto de la identificación de vulnerabilidad creando un modelo de identificación de amenazas usando algoritmo supervisado de máquina a partir de conjunto de datos de entrenamiento y de pruebas para validar la correcta ejecución del modelo, el resultado obtenido fue un modelo con una puntuación de identificación de anomalías de seguridad de un 99%.
|
| format | Article |
| id | doaj-art-c0e300b7d67a4d0782d82bd2f700bbcd |
| institution | Kabale University |
| issn | 2306-2495 |
| language | Spanish |
| publishDate | 2022-02-01 |
| publisher | Universidad de las Ciencias Informáticas (UCI) |
| record_format | Article |
| series | Serie Científica de la Universidad de las Ciencias Informáticas |
| spelling | doaj-art-c0e300b7d67a4d0782d82bd2f700bbcd2025-08-20T03:25:41ZspaUniversidad de las Ciencias Informáticas (UCI)Serie Científica de la Universidad de las Ciencias Informáticas2306-24952022-02-01153Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random ForestJenny Arizaga GamboaJorge Chicala ArroyaveEduardo Alvarado Unamuno Es indudable el rol que los Sistemas de Comunicaciones tienen en la vida diaria de las personas, el uso de esta tecnología presenta diversas prestaciones como procesamiento de datos de negocio, educación y aprendizaje a distancia, colaboración en línea, adquisición de datos y entretenimiento. Con la finalidad de que los servicios que son ofrecidos por los sistemas de comunicación estén disponibles cuando se requieran -disponibilidad-, que la información generada por estos servicios o transmitidas desde ellos sea enviada o llegue sin alteración -integridad- y que la información que maneja solo pueda ser visualizada o accedida por la persona que tiene la autorización de hacerlo -confidencialidad- es importante garantizar la seguridad de estos equipos. El trabajo realizado tuvo como objetivo realizar una prueba de concepto de la identificación de vulnerabilidad creando un modelo de identificación de amenazas usando algoritmo supervisado de máquina a partir de conjunto de datos de entrenamiento y de pruebas para validar la correcta ejecución del modelo, el resultado obtenido fue un modelo con una puntuación de identificación de anomalías de seguridad de un 99%. http://localhost/Serie%20cientifica/ojs/index.php/serie/article/view/1041Aprendizaje de Máquina; Aprendizaje Supervisado; Algoritmo; Clasificador de Bosque Aleatorio; Valoración cruzada. |
| spellingShingle | Jenny Arizaga Gamboa Jorge Chicala Arroyave Eduardo Alvarado Unamuno Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest Serie Científica de la Universidad de las Ciencias Informáticas Aprendizaje de Máquina; Aprendizaje Supervisado; Algoritmo; Clasificador de Bosque Aleatorio; Valoración cruzada. |
| title | Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest |
| title_full | Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest |
| title_fullStr | Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest |
| title_full_unstemmed | Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest |
| title_short | Detección de Ataque de DDoS utilizando Machine Learning – algoritmo de Random Forest |
| title_sort | deteccion de ataque de ddos utilizando machine learning algoritmo de random forest |
| topic | Aprendizaje de Máquina; Aprendizaje Supervisado; Algoritmo; Clasificador de Bosque Aleatorio; Valoración cruzada. |
| url | http://localhost/Serie%20cientifica/ojs/index.php/serie/article/view/1041 |
| work_keys_str_mv | AT jennyarizagagamboa detecciondeataquededdosutilizandomachinelearningalgoritmoderandomforest AT jorgechicalaarroyave detecciondeataquededdosutilizandomachinelearningalgoritmoderandomforest AT eduardoalvaradounamuno detecciondeataquededdosutilizandomachinelearningalgoritmoderandomforest |