156416 20250516093846.0 TAZ-TFG-2019-2948 spa Huarte Albás, Álvaro Analysis and detection of anomalies in network traffic with Machine Learning Análisis y detección de anomalías en tráfico de red con Machine Learning Zaragoza Universidad de Zaragoza 2019 by-nc-sa Creative Commons 3.0 http://creativecommons.org/licenses/by-nc-sa/3.0/ Cada vez usamos de forma más habitual Internet para realizar transferencias bancarias,<br />compartir datos personales o simplemente mandar correos con contenido importante. Sin<br />embargo, muchos de estos datos se transmiten sin protección frente a ataques informáticos.<br />Estos ataques están en auge en los últimos años y es por ello que el presente trabajo se centra en<br />mejorar la seguridad de los datos en dichas transmisiones. En concreto nos centraremos en el<br />concepto de la prevención y detección de ataques de red gracias a las técnicas de “Machine<br />Learning”.<br />El objetivo de este Trabajo de Fin de Grado es realizar un análisis exhaustivo sobre diferentes<br />tráficos de red con la finalidad de detectar con gran seguridad indicios de ataques informáticos.<br />Para ello utilizaremos algoritmos basados en técnicas de “Machine Learning”. Estás técnicas se<br />basan en el estudio de reconocimiento de patrones y el aprendizaje de computadoras sin la<br />necesidad de intervención del ser humano. Finalmente se realizará una evaluación de los ataques<br />detectados y algoritmos implementados y de su eficiencia.<br />De forma desglosada, en un primer lugar se realizarán ataques informáticos de tipo red. Cada<br />uno de ellos posee un comportamiento y objetivo diferentes, gracias a esto podremos observar la<br />influencia que tiene tanto en la computadora que usaremos como víctima, así como en el tráfico<br />de red que posteriormente tendremos que capturar. Se buscarán ataques muy dispares ya que<br />cuanto mayor sea dicha desigualdad mayor será el enriquecimiento de nuestro trabajo y mejores<br />resultados podremos obtener.<br />En segundo lugar se realizará una captura de datos obtenidos a través del tráfico de red.<br />Diferenciando dos tipos de datos, infectados los cuales serán capturados durante la realización<br />de ataques y datos no anómalos cuyo origen será tráfico normal. Se utilizarán diferentes técnicas<br />para la recolección de los mismos para su posterior comparación gracias a la cual podremos<br />saber qué modelo de herramienta es más efectiva.<br />En último lugar se procederá al análisis de los datos capturados en el paso anterior. Para esta<br />función se estudiarán algoritmos basados en “Machine Learning” más apropiados para ello,<br />concepto muy interesante y el cual está siendo muy utilizado en la seguridad informática.<br />Gracias a estas técnicas se pretende mejorar el funcionamiento de los algoritmos de detección de<br />ataques y que ellos mismos aprendan a optimizar la detección de datos infectados.<br /><br /> Graduado en Ingeniería Informática Derechos regulados por licencia Creative Commons Lacuesta Gilaberte, Raquel dir. Hernández Ramos, Santiago dir. Universidad de Zaragoza Informática e Ingeniería de Sistemas Lenguajes y Sistemas Informáticos 605160@celes.unizar.es 10850760 http://zaguan.unizar.es/record/156416/files/TAZ-TFG-2019-2948.pdf Memoria (spa) oai:zaguan.unizar.es:156416 driver trabajos-fin-grado TAZ TFG POLTER 20190904235720.CREATION_DATE deposita:2025-05-16