Detección de intrusiones basados en firmas con Minería de Datos y Machine Learning.

Autores/as

  • Guillermo Dolan Facultad Regional Rosario, Universidad Tecnológica Nacional - Argentina
  • Bautista Guerra Facultad Regional Rosario, Universidad Tecnológica Nacional - Argentina
  • Ornella Colazo Facultad Regional Rosario, Universidad Tecnológica Nacional - Argentina
  • Maximiliano Mansilla Facultad Regional Rosario, Universidad Tecnológica Nacional - Argentina
  • Lucía Morena Fabbri Facultad Regional Rosario, Universidad Tecnológica Nacional - Argentina

Palabras clave:

Minería de Datos, Machine Learning, Sistemas de Detección de Intrusiones, Amenazas informáticas

Resumen

Una de las problemáticas en torno a la seguridad de la información a las que estamos expuestos el día de hoy son las amenazas cibernéticas. Cada sitio web en el que navegamos o aplicación que se conecta a internet que utilizamos está expuesta a riesgos que afectan a los datos sensibles que son almacenados o manipulados. Las empresas que brindan soluciones de software deben de resguardar la seguridad que ofrecen sus soluciones y de respetar las Leyes que las obligan a cuidar el tratamiento de los datos sensibles. Siendo muchas las amenazas cibernéticas, nos encontramos ante la necesidad de evaluar todo el ciclo en que se materializan los ataques informáticos. En particular, el presente trabajo se enfoca en realizar un análisis de una posible manera de aportar seguridad a los sistemas en cuanto a las primeras fases de un ataque informático: Investigación y recopilación de información y obtención de acceso.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Descargas

Publicado

2024-10-18

Cómo citar

Dolan, G., Guerra, B., Colazo, O., Mansilla, M., & Fabbri, L. M. (2024). Detección de intrusiones basados en firmas con Minería de Datos y Machine Learning. AJEA (Actas De Jornadas Y Eventos Académicos De UTN), (AJEA 38). Recuperado a partir de https://rtyc.utn.edu.ar/index.php/ajea/article/view/1629

Número

Sección

Actas - Medio Ambiente, Contingencias y Desarrollo Sustentable