Análisis y detección de anomalías en tráfico de red con Machine Learning

Huarte Albás, Álvaro Lacuesta Gilaberte, Raquel Hernández Ramos, Santiago Análisis y detección de anomalías en tráfico de red con Machine Learning

2019

Cada vez usamos de forma más habitual Internet para realizar transferencias bancarias, compartir datos personales o simplemente mandar correos con contenido importante. Sin embargo, muchos de estos datos se transmiten sin protección frente a ataques informáticos. Estos ataques están en auge en los últimos años y es por ello que el presente trabajo se centra en mejorar la seguridad de los datos en dichas transmisiones. En concreto nos centraremos en el concepto de la prevención y detección de ataques de red gracias a las técnicas de “Machine Learning”. El objetivo de este Trabajo de Fin de Grado es realizar un análisis exhaustivo sobre diferentes tráficos de red con la finalidad de detectar con gran seguridad indicios de ataques informáticos. Para ello utilizaremos algoritmos basados en técnicas de “Machine Learning”. Estás técnicas se basan en el estudio de reconocimiento de patrones y el aprendizaje de computadoras sin la necesidad de intervención del ser humano. Finalmente se realizará una evaluación de los ataques detectados y algoritmos implementados y de su eficiencia. De forma desglosada, en un primer lugar se realizarán ataques informáticos de tipo red. Cada uno de ellos posee un comportamiento y objetivo diferentes, gracias a esto podremos observar la influencia que tiene tanto en la computadora que usaremos como víctima, así como en el tráfico de red que posteriormente tendremos que capturar. Se buscarán ataques muy dispares ya que cuanto mayor sea dicha desigualdad mayor será el enriquecimiento de nuestro trabajo y mejores resultados podremos obtener. En segundo lugar se realizará una captura de datos obtenidos a través del tráfico de red. Diferenciando dos tipos de datos, infectados los cuales serán capturados durante la realización de ataques y datos no anómalos cuyo origen será tráfico normal. Se utilizarán diferentes técnicas para la recolección de los mismos para su posterior comparación gracias a la cual podremos saber qué modelo de herramienta es más efectiva. En último lugar se procederá al análisis de los datos capturados en el paso anterior. Para esta función se estudiarán algoritmos basados en “Machine Learning” más apropiados para ello, concepto muy interesante y el cual está siendo muy utilizado en la seguridad informática. Gracias a estas técnicas se pretende mejorar el funcionamiento de los algoritmos de detección de ataques y que ellos mismos aprendan a optimizar la detección de datos infectados.