Detección de ransomware en blockchains
- Autores
- Ditz, Yanina; Minetti, Gabriela F.
- Año de publicación
- 2023
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- El ransomware es un código malicioso que bloquea el acceso a los datos de un dispositivo, exigiendo un rescate para permitir el acceso nuevamente. El rescate suele pagarse en Bitcoin. Según el FBI, a fines de 2015, las víctimas habían pagado US$27 millones en rescates a los atacantes. A partir de este problema, surgen sistemas para la detección de ransomware conocido y desconocido, utilizando el modelo topológico del análisis de datos, y técnicas de minerías de datos como Random Forest (RF), Support Vector Machine (SVM), Regresión logistica, KNN y Análisis Discriminante lineal (LDA), Naive Bayes (NB), árboles de decisión (CART), Bagging (BGC), Ascenso de gradiente (GGC), entre otros. A partir del estudio de estas herrramientas de aprendizaje automático se profundiza en la implementación y análisis de las redes neuronales para aprender a reconocer patrones y comportamientos comunes en las transacciones de Bitcoin.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Blockchain
Bitcoin - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/163244
Ver los metadatos del registro completo
id |
SEDICI_2f4664c82c986e98a622f829db1ae21a |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/163244 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Detección de ransomware en blockchainsDitz, YaninaMinetti, Gabriela F.Ciencias InformáticasBlockchainBitcoinEl ransomware es un código malicioso que bloquea el acceso a los datos de un dispositivo, exigiendo un rescate para permitir el acceso nuevamente. El rescate suele pagarse en Bitcoin. Según el FBI, a fines de 2015, las víctimas habían pagado US$27 millones en rescates a los atacantes. A partir de este problema, surgen sistemas para la detección de ransomware conocido y desconocido, utilizando el modelo topológico del análisis de datos, y técnicas de minerías de datos como Random Forest (RF), Support Vector Machine (SVM), Regresión logistica, KNN y Análisis Discriminante lineal (LDA), Naive Bayes (NB), árboles de decisión (CART), Bagging (BGC), Ascenso de gradiente (GGC), entre otros. A partir del estudio de estas herrramientas de aprendizaje automático se profundiza en la implementación y análisis de las redes neuronales para aprender a reconocer patrones y comportamientos comunes en las transacciones de Bitcoin.Red de Universidades con Carreras en Informática2023-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/163244spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620info: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:UNLP2025-09-03T11:14:51Zoai:sedici.unlp.edu.ar:10915/163244Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:14:51.784SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Detección de ransomware en blockchains |
title |
Detección de ransomware en blockchains |
spellingShingle |
Detección de ransomware en blockchains Ditz, Yanina Ciencias Informáticas Blockchain Bitcoin |
title_short |
Detección de ransomware en blockchains |
title_full |
Detección de ransomware en blockchains |
title_fullStr |
Detección de ransomware en blockchains |
title_full_unstemmed |
Detección de ransomware en blockchains |
title_sort |
Detección de ransomware en blockchains |
dc.creator.none.fl_str_mv |
Ditz, Yanina Minetti, Gabriela F. |
author |
Ditz, Yanina |
author_facet |
Ditz, Yanina Minetti, Gabriela F. |
author_role |
author |
author2 |
Minetti, Gabriela F. |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Blockchain Bitcoin |
topic |
Ciencias Informáticas Blockchain Bitcoin |
dc.description.none.fl_txt_mv |
El ransomware es un código malicioso que bloquea el acceso a los datos de un dispositivo, exigiendo un rescate para permitir el acceso nuevamente. El rescate suele pagarse en Bitcoin. Según el FBI, a fines de 2015, las víctimas habían pagado US$27 millones en rescates a los atacantes. A partir de este problema, surgen sistemas para la detección de ransomware conocido y desconocido, utilizando el modelo topológico del análisis de datos, y técnicas de minerías de datos como Random Forest (RF), Support Vector Machine (SVM), Regresión logistica, KNN y Análisis Discriminante lineal (LDA), Naive Bayes (NB), árboles de decisión (CART), Bagging (BGC), Ascenso de gradiente (GGC), entre otros. A partir del estudio de estas herrramientas de aprendizaje automático se profundiza en la implementación y análisis de las redes neuronales para aprender a reconocer patrones y comportamientos comunes en las transacciones de Bitcoin. Red de Universidades con Carreras en Informática |
description |
El ransomware es un código malicioso que bloquea el acceso a los datos de un dispositivo, exigiendo un rescate para permitir el acceso nuevamente. El rescate suele pagarse en Bitcoin. Según el FBI, a fines de 2015, las víctimas habían pagado US$27 millones en rescates a los atacantes. A partir de este problema, surgen sistemas para la detección de ransomware conocido y desconocido, utilizando el modelo topológico del análisis de datos, y técnicas de minerías de datos como Random Forest (RF), Support Vector Machine (SVM), Regresión logistica, KNN y Análisis Discriminante lineal (LDA), Naive Bayes (NB), árboles de decisión (CART), Bagging (BGC), Ascenso de gradiente (GGC), entre otros. A partir del estudio de estas herrramientas de aprendizaje automático se profundiza en la implementación y análisis de las redes neuronales para aprender a reconocer patrones y comportamientos comunes en las transacciones de Bitcoin. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-04 |
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/10915/163244 |
url |
http://sedici.unlp.edu.ar/handle/10915/163244 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-66-4 info:eu-repo/semantics/altIdentifier/isbn/978-987-3724-67-1 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/162004 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/161620 |
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 |
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_ |
1842260653401702400 |
score |
13.13397 |