Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño

Autores
Barrionuevo, Mercedes; Lopresti, Mariela; Miranda, Natalia Carolina; Piccoli, Fabiana
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Detectar valores anormales a partir de grandes volúmenes de información producido por el tráfico de red ha adquirido un interés considerable en el área de seguridad de redes. Es de relevancia para todo sistema de computadoras conectadas a una red contar con un sistema de detección de eventos anómalos y un tiempo de obtención de tales eventos lo más cercano posible a su ocurrencia. Detectar valores anómalos puede conducir a los administradores de red a identificar fallas del sistema y, por lo tanto, tomar medidas preventivas antes de una masiva propagación. La detección de anomalías es un punto de partida para evitar nuevos ataques. En este artículo, presentamos una forma de pre-procesar datos para identificar anomalías mediante un algoritmo de clasificación K-NN con técnicas de computación paralelas usando Unidades de Procesamiento Gráfico.
XII Workshop de Arquitecturas, Redes y Sistemas Opearativos (WARSO).
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
tráfico de red
GPU
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:10915/63951
Acceder
id SEDICI_8fbca92b50a7039b259eec7b0abf8f7a
oai_identifier_str oai:sedici.unlp.edu.ar:10915/63951
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeñoBarrionuevo, MercedesLopresti, MarielaMiranda, Natalia CarolinaPiccoli, FabianaCiencias Informáticastráfico de redGPUDetectar valores anormales a partir de grandes volúmenes de información producido por el tráfico de red ha adquirido un interés considerable en el área de seguridad de redes. Es de relevancia para todo sistema de computadoras conectadas a una red contar con un sistema de detección de eventos anómalos y un tiempo de obtención de tales eventos lo más cercano posible a su ocurrencia. Detectar valores anómalos puede conducir a los administradores de red a identificar fallas del sistema y, por lo tanto, tomar medidas preventivas antes de una masiva propagación. La detección de anomalías es un punto de partida para evitar nuevos ataques. En este artículo, presentamos una forma de pre-procesar datos para identificar anomalías mediante un algoritmo de clasificación K-NN con técnicas de computación paralelas usando Unidades de Procesamiento Gráfico.XII Workshop de Arquitecturas, Redes y Sistemas Opearativos (WARSO).Red de Universidades con Carreras en Informática (RedUNCI)2017-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf924-933http://sedici.unlp.edu.ar/handle/10915/63951spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-1539-9info: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:UNLP2025-09-29T11:08:34Zoai:sedici.unlp.edu.ar:10915/63951Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:08:34.762SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
title Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
spellingShingle Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
Barrionuevo, Mercedes
Ciencias Informáticas
tráfico de red
GPU
title_short Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
title_full Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
title_fullStr Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
title_full_unstemmed Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
title_sort Un modelo de detección de anomalías en una LAN usando K-NN y técnicas de computación de alto desempeño
dc.creator.none.fl_str_mv Barrionuevo, Mercedes
Lopresti, Mariela
Miranda, Natalia Carolina
Piccoli, Fabiana
author Barrionuevo, Mercedes
author_facet Barrionuevo, Mercedes
Lopresti, Mariela
Miranda, Natalia Carolina
Piccoli, Fabiana
author_role author
author2 Lopresti, Mariela
Miranda, Natalia Carolina
Piccoli, Fabiana
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
tráfico de red
GPU
topic Ciencias Informáticas
tráfico de red
GPU
dc.description.none.fl_txt_mv Detectar valores anormales a partir de grandes volúmenes de información producido por el tráfico de red ha adquirido un interés considerable en el área de seguridad de redes. Es de relevancia para todo sistema de computadoras conectadas a una red contar con un sistema de detección de eventos anómalos y un tiempo de obtención de tales eventos lo más cercano posible a su ocurrencia. Detectar valores anómalos puede conducir a los administradores de red a identificar fallas del sistema y, por lo tanto, tomar medidas preventivas antes de una masiva propagación. La detección de anomalías es un punto de partida para evitar nuevos ataques. En este artículo, presentamos una forma de pre-procesar datos para identificar anomalías mediante un algoritmo de clasificación K-NN con técnicas de computación paralelas usando Unidades de Procesamiento Gráfico.
XII Workshop de Arquitecturas, Redes y Sistemas Opearativos (WARSO).
Red de Universidades con Carreras en Informática (RedUNCI)
description Detectar valores anormales a partir de grandes volúmenes de información producido por el tráfico de red ha adquirido un interés considerable en el área de seguridad de redes. Es de relevancia para todo sistema de computadoras conectadas a una red contar con un sistema de detección de eventos anómalos y un tiempo de obtención de tales eventos lo más cercano posible a su ocurrencia. Detectar valores anómalos puede conducir a los administradores de red a identificar fallas del sistema y, por lo tanto, tomar medidas preventivas antes de una masiva propagación. La detección de anomalías es un punto de partida para evitar nuevos ataques. En este artículo, presentamos una forma de pre-procesar datos para identificar anomalías mediante un algoritmo de clasificación K-NN con técnicas de computación paralelas usando Unidades de Procesamiento Gráfico.
publishDate 2017
dc.date.none.fl_str_mv 2017-10
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/10915/63951
url http://sedici.unlp.edu.ar/handle/10915/63951
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-1539-9
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
924-933
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_ 1844615958324314112
score 13.070432

Publicaciones similares