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

Autores
Catania, Carlos A.; Guerra, Jorge; Marchetta, Martín G.; Caffaratti, Gabriel; Cortez, Lucía; Rezinovsky, Alfredo; Palau, Franco; Romero, Juan Manuel
Año de publicación
2021
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). El presente proyecto se enfoca en 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. Durante el último periodo del proyecto, se ha puesto especial énfasis en la puesta a punto de los modelos obtenidos con vista a su despliegue en ambientes de producción. En particular lo referido a la evaluación de los distintos aspectos necesarios para la estimación del error de generalización, más allá de la división aleatoria entre conjuntos de entrenamiento y prueba.
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:10915/120466

id SEDICI_879e8d5db2e33c89be675a37ad18ad2d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/120466
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, Carlos A.Guerra, JorgeMarchetta, Martín G.Caffaratti, GabrielCortez, LucíaRezinovsky, AlfredoPalau, FrancoRomero, Juan ManuelCiencias 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). El presente proyecto se enfoca en 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. Durante el último periodo del proyecto, se ha puesto especial énfasis en la puesta a punto de los modelos obtenidos con vista a su despliegue en ambientes de producción. En particular lo referido a la evaluación de los distintos aspectos necesarios para la estimación del error de generalización, más allá de la división aleatoria entre conjuntos de entrenamiento y prueba.Eje: Seguridad informática.Red de Universidades con Carreras en Informática2021-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf799-803http://sedici.unlp.edu.ar/handle/10915/120466spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0info:eu-repo/semantics/reference/hdl/10915/119487info:eu-repo/semantics/reference/hdl/10915/119490info: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:UNLP2025-09-29T11:28:30Zoai:sedici.unlp.edu.ar:10915/120466Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:28:30.629SEDICI (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 A.
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 A.
Guerra, Jorge
Marchetta, Martín G.
Caffaratti, Gabriel
Cortez, Lucía
Rezinovsky, Alfredo
Palau, Franco
Romero, Juan Manuel
author Catania, Carlos A.
author_facet Catania, Carlos A.
Guerra, Jorge
Marchetta, Martín G.
Caffaratti, Gabriel
Cortez, Lucía
Rezinovsky, Alfredo
Palau, Franco
Romero, Juan Manuel
author_role author
author2 Guerra, Jorge
Marchetta, Martín G.
Caffaratti, Gabriel
Cortez, Lucía
Rezinovsky, Alfredo
Palau, Franco
Romero, Juan Manuel
author2_role author
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). El presente proyecto se enfoca en 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. Durante el último periodo del proyecto, se ha puesto especial énfasis en la puesta a punto de los modelos obtenidos con vista a su despliegue en ambientes de producción. En particular lo referido a la evaluación de los distintos aspectos necesarios para la estimación del error de generalización, más allá de la división aleatoria entre conjuntos de entrenamiento y prueba.
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). El presente proyecto se enfoca en 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. Durante el último periodo del proyecto, se ha puesto especial énfasis en la puesta a punto de los modelos obtenidos con vista a su despliegue en ambientes de producción. En particular lo referido a la evaluación de los distintos aspectos necesarios para la estimación del error de generalización, más allá de la división aleatoria entre conjuntos de entrenamiento y prueba.
publishDate 2021
dc.date.none.fl_str_mv 2021-04
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/10915/120466
url http://sedici.unlp.edu.ar/handle/10915/120466
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3
info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0
info:eu-repo/semantics/reference/hdl/10915/119487
info:eu-repo/semantics/reference/hdl/10915/119490
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
799-803
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_ 1844616163422633984
score 13.070432