Machine Learning aplicado en Sistemas de Detección de Intrusos

Autores
Peluffo, Ignacio; Capobianco, Marcela; Echaiz, Javier
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En los últimos años los delitos informáticos de distinta envergadura han aumentado de manera considerable. Es cada vez más común la vulneración de sistemas de modo que queden inutilizables, el robo de información sensible o los ataques a redes de computadoras o bases de datos. El incremento de transacciones electrónicas y el desarrollo de aplicaciones y servicios web es cada día más notorio, por lo que las organizaciones exponen gran parte de su infraestructura a Internet, creando un significativo riesgo de potenciales ataques que podrían comprometer datos o recursos estratégicos. Frente a este problema han surgido diferentes herramientas desde el campo de la seguridad en sistemas, pero todas enfrentan el problema de ser extremadamente dependientes de un experto humano para que analice la información que se recolecta sobre posibles ataques y tome medidas para mitigarlos. Para solucionar este inconveniente surgió la idea de usar técnicas de minería de datos para analizar la información recolectada por el sistema. De esta forma se pueden desarrollar herramientas automáticas que mejoren la seguridad de los sistemas y/o herramientas que asistan al administrador en la toma de decisiones. En particular en esta línea de investigación nos concentraremos en el desarrollo de sistemas de detección de intrusos asistidos mediante técnicas de minería de datos.
Eje: Seguridad Informática
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Security and protection (e.g., firewalls)
minería de datos
machine learning
Data mining
seguridad en sistemas
sistemas de detección de intrusos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/43264
Acceder
id SEDICI_b08fc413e89e5c1c5dfd7182a499bbda
oai_identifier_str oai:sedici.unlp.edu.ar:10915/43264
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Machine Learning aplicado en Sistemas de Detección de IntrusosPeluffo, IgnacioCapobianco, MarcelaEchaiz, JavierCiencias InformáticasSecurity and protection (e.g., firewalls)minería de datosmachine learningData miningseguridad en sistemassistemas de detección de intrusosEn los últimos años los delitos informáticos de distinta envergadura han aumentado de manera considerable. Es cada vez más común la vulneración de sistemas de modo que queden inutilizables, el robo de información sensible o los ataques a redes de computadoras o bases de datos. El incremento de transacciones electrónicas y el desarrollo de aplicaciones y servicios web es cada día más notorio, por lo que las organizaciones exponen gran parte de su infraestructura a Internet, creando un significativo riesgo de potenciales ataques que podrían comprometer datos o recursos estratégicos. Frente a este problema han surgido diferentes herramientas desde el campo de la seguridad en sistemas, pero todas enfrentan el problema de ser extremadamente dependientes de un experto humano para que analice la información que se recolecta sobre posibles ataques y tome medidas para mitigarlos. Para solucionar este inconveniente surgió la idea de usar técnicas de minería de datos para analizar la información recolectada por el sistema. De esta forma se pueden desarrollar herramientas automáticas que mejoren la seguridad de los sistemas y/o herramientas que asistan al administrador en la toma de decisiones. En particular en esta línea de investigación nos concentraremos en el desarrollo de sistemas de detección de intrusos asistidos mediante técnicas de minería de datos.Eje: Seguridad InformáticaRed de Universidades con Carreras en Informática (RedUNCI)2014-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf812-816http://sedici.unlp.edu.ar/handle/10915/43264spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:34:24Zoai:sedici.unlp.edu.ar:10915/43264Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:34:25.159SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Machine Learning aplicado en Sistemas de Detección de Intrusos
title Machine Learning aplicado en Sistemas de Detección de Intrusos
spellingShingle Machine Learning aplicado en Sistemas de Detección de Intrusos
Peluffo, Ignacio
Ciencias Informáticas
Security and protection (e.g., firewalls)
minería de datos
machine learning
Data mining
seguridad en sistemas
sistemas de detección de intrusos
title_short Machine Learning aplicado en Sistemas de Detección de Intrusos
title_full Machine Learning aplicado en Sistemas de Detección de Intrusos
title_fullStr Machine Learning aplicado en Sistemas de Detección de Intrusos
title_full_unstemmed Machine Learning aplicado en Sistemas de Detección de Intrusos
title_sort Machine Learning aplicado en Sistemas de Detección de Intrusos
dc.creator.none.fl_str_mv Peluffo, Ignacio
Capobianco, Marcela
Echaiz, Javier
author Peluffo, Ignacio
author_facet Peluffo, Ignacio
Capobianco, Marcela
Echaiz, Javier
author_role author
author2 Capobianco, Marcela
Echaiz, Javier
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Security and protection (e.g., firewalls)
minería de datos
machine learning
Data mining
seguridad en sistemas
sistemas de detección de intrusos
topic Ciencias Informáticas
Security and protection (e.g., firewalls)
minería de datos
machine learning
Data mining
seguridad en sistemas
sistemas de detección de intrusos
dc.description.none.fl_txt_mv En los últimos años los delitos informáticos de distinta envergadura han aumentado de manera considerable. Es cada vez más común la vulneración de sistemas de modo que queden inutilizables, el robo de información sensible o los ataques a redes de computadoras o bases de datos. El incremento de transacciones electrónicas y el desarrollo de aplicaciones y servicios web es cada día más notorio, por lo que las organizaciones exponen gran parte de su infraestructura a Internet, creando un significativo riesgo de potenciales ataques que podrían comprometer datos o recursos estratégicos. Frente a este problema han surgido diferentes herramientas desde el campo de la seguridad en sistemas, pero todas enfrentan el problema de ser extremadamente dependientes de un experto humano para que analice la información que se recolecta sobre posibles ataques y tome medidas para mitigarlos. Para solucionar este inconveniente surgió la idea de usar técnicas de minería de datos para analizar la información recolectada por el sistema. De esta forma se pueden desarrollar herramientas automáticas que mejoren la seguridad de los sistemas y/o herramientas que asistan al administrador en la toma de decisiones. En particular en esta línea de investigación nos concentraremos en el desarrollo de sistemas de detección de intrusos asistidos mediante técnicas de minería de datos.
Eje: Seguridad Informática
Red de Universidades con Carreras en Informática (RedUNCI)
description En los últimos años los delitos informáticos de distinta envergadura han aumentado de manera considerable. Es cada vez más común la vulneración de sistemas de modo que queden inutilizables, el robo de información sensible o los ataques a redes de computadoras o bases de datos. El incremento de transacciones electrónicas y el desarrollo de aplicaciones y servicios web es cada día más notorio, por lo que las organizaciones exponen gran parte de su infraestructura a Internet, creando un significativo riesgo de potenciales ataques que podrían comprometer datos o recursos estratégicos. Frente a este problema han surgido diferentes herramientas desde el campo de la seguridad en sistemas, pero todas enfrentan el problema de ser extremadamente dependientes de un experto humano para que analice la información que se recolecta sobre posibles ataques y tome medidas para mitigarlos. Para solucionar este inconveniente surgió la idea de usar técnicas de minería de datos para analizar la información recolectada por el sistema. De esta forma se pueden desarrollar herramientas automáticas que mejoren la seguridad de los sistemas y/o herramientas que asistan al administrador en la toma de decisiones. En particular en esta línea de investigación nos concentraremos en el desarrollo de sistemas de detección de intrusos asistidos mediante técnicas de minería de datos.
publishDate 2014
dc.date.none.fl_str_mv 2014-05
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/10915/43264
url http://sedici.unlp.edu.ar/handle/10915/43264
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
812-816
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_ 1842260193982808064
score 13.13397

Publicaciones similares