Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica

Autores
Catania, Carlos; Guerra, Jorge; Marchetta, Martín G.; Caffaratti, Gabriel; Cortez, Lucía; Rezinovsky, Alfredo; Palau, Franco
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En el contexto de la seguridad de redes de datos, un nombre de dominio generado de manera algorítmica (DGA, de sus siglas en inglés) es utilizado por el software malicioso (malware) para generar de manera dinámica un gran número de nombres de dominios de manera pseudo aleatoria, y luego utilizar un subconjunto de estos como parte del canal de Comando y Control (C&C). Dada la simplicidad y rapidez con la que los nuevos dominios son generados, las estrategias basadas en listas de dominios estáticas resultan inefectivas. Es por ello que resulta importante el desarrollo técnicas de detección automática que permitan encontrar los patrones comunes en los dominios generados. El presente proyecto propone el desarrollo de algoritmos de detección de DGA mediante la utilización de algoritmos de aprendizaje de máquinas en general y las redes neuronales profundas en particular. Se espera que la aplicación de redes neuronales profundas para el aprendizaje de los patrones comunes a los DGA permita desarrollar herramientas de detección no solo con una baja tasa de falsos positivos sino también con la capacidad de operar en tiempo real. Esto último resulta fundamental para lidiar con las amenazas de seguridad de hoy.
Eje: Seguridad informática.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
seguridad de redes
detección de anomalías
Aprendizaje Automático
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/104017
Acceder
id SEDICI_185c59e2fd8a997205390378302320de
oai_identifier_str oai:sedici.unlp.edu.ar:10915/104017
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmicaCatania, CarlosGuerra, JorgeMarchetta, Martín G.Caffaratti, GabrielCortez, LucíaRezinovsky, AlfredoPalau, FrancoCiencias Informáticasseguridad de redesdetección de anomalíasAprendizaje AutomáticoEn el contexto de la seguridad de redes de datos, un nombre de dominio generado de manera algorítmica (DGA, de sus siglas en inglés) es utilizado por el software malicioso (malware) para generar de manera dinámica un gran número de nombres de dominios de manera pseudo aleatoria, y luego utilizar un subconjunto de estos como parte del canal de Comando y Control (C&C). Dada la simplicidad y rapidez con la que los nuevos dominios son generados, las estrategias basadas en listas de dominios estáticas resultan inefectivas. Es por ello que resulta importante el desarrollo técnicas de detección automática que permitan encontrar los patrones comunes en los dominios generados. El presente proyecto propone el desarrollo de algoritmos de detección de DGA mediante la utilización de algoritmos de aprendizaje de máquinas en general y las redes neuronales profundas en particular. Se espera que la aplicación de redes neuronales profundas para el aprendizaje de los patrones comunes a los DGA permita desarrollar herramientas de detección no solo con una baja tasa de falsos positivos sino también con la capacidad de operar en tiempo real. Esto último resulta fundamental para lidiar con las amenazas de seguridad de hoy.Eje: Seguridad informática.Red de Universidades con Carreras en Informática2020-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf803-807http://sedici.unlp.edu.ar/handle/10915/104017spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5info:eu-repo/semantics/reference/hdl/10915/103151info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:22:38Zoai:sedici.unlp.edu.ar:10915/104017Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:22:39.131SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
title Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
spellingShingle Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
Catania, Carlos
Ciencias Informáticas
seguridad de redes
detección de anomalías
Aprendizaje Automático
title_short Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
title_full Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
title_fullStr Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
title_full_unstemmed Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
title_sort Aplicación de redes neuronales profundas para la detección automática de nombres de dominio generados de manera algorítmica
dc.creator.none.fl_str_mv Catania, Carlos
Guerra, Jorge
Marchetta, Martín G.
Caffaratti, Gabriel
Cortez, Lucía
Rezinovsky, Alfredo
Palau, Franco
author Catania, Carlos
author_facet Catania, Carlos
Guerra, Jorge
Marchetta, Martín G.
Caffaratti, Gabriel
Cortez, Lucía
Rezinovsky, Alfredo
Palau, Franco
author_role author
author2 Guerra, Jorge
Marchetta, Martín G.
Caffaratti, Gabriel
Cortez, Lucía
Rezinovsky, Alfredo
Palau, Franco
author2_role author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
seguridad de redes
detección de anomalías
Aprendizaje Automático
topic Ciencias Informáticas
seguridad de redes
detección de anomalías
Aprendizaje Automático
dc.description.none.fl_txt_mv En el contexto de la seguridad de redes de datos, un nombre de dominio generado de manera algorítmica (DGA, de sus siglas en inglés) es utilizado por el software malicioso (malware) para generar de manera dinámica un gran número de nombres de dominios de manera pseudo aleatoria, y luego utilizar un subconjunto de estos como parte del canal de Comando y Control (C&C). Dada la simplicidad y rapidez con la que los nuevos dominios son generados, las estrategias basadas en listas de dominios estáticas resultan inefectivas. Es por ello que resulta importante el desarrollo técnicas de detección automática que permitan encontrar los patrones comunes en los dominios generados. El presente proyecto propone el desarrollo de algoritmos de detección de DGA mediante la utilización de algoritmos de aprendizaje de máquinas en general y las redes neuronales profundas en particular. Se espera que la aplicación de redes neuronales profundas para el aprendizaje de los patrones comunes a los DGA permita desarrollar herramientas de detección no solo con una baja tasa de falsos positivos sino también con la capacidad de operar en tiempo real. Esto último resulta fundamental para lidiar con las amenazas de seguridad de hoy.
Eje: Seguridad informática.
Red de Universidades con Carreras en Informática
description En el contexto de la seguridad de redes de datos, un nombre de dominio generado de manera algorítmica (DGA, de sus siglas en inglés) es utilizado por el software malicioso (malware) para generar de manera dinámica un gran número de nombres de dominios de manera pseudo aleatoria, y luego utilizar un subconjunto de estos como parte del canal de Comando y Control (C&C). Dada la simplicidad y rapidez con la que los nuevos dominios son generados, las estrategias basadas en listas de dominios estáticas resultan inefectivas. Es por ello que resulta importante el desarrollo técnicas de detección automática que permitan encontrar los patrones comunes en los dominios generados. El presente proyecto propone el desarrollo de algoritmos de detección de DGA mediante la utilización de algoritmos de aprendizaje de máquinas en general y las redes neuronales profundas en particular. Se espera que la aplicación de redes neuronales profundas para el aprendizaje de los patrones comunes a los DGA permita desarrollar herramientas de detección no solo con una baja tasa de falsos positivos sino también con la capacidad de operar en tiempo real. Esto último resulta fundamental para lidiar con las amenazas de seguridad de hoy.
publishDate 2020
dc.date.none.fl_str_mv 2020-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/104017
url http://sedici.unlp.edu.ar/handle/10915/104017
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3714-82-5
info:eu-repo/semantics/reference/hdl/10915/103151
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
803-807
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616102630391808
score 13.070432

Publicaciones similares