Detección y clasificación de zero-day malware a través de data mining y machine learning
- Autores
- Recordon, Augusto; Ruiz Díaz, Silvia
- Año de publicación
- 2020
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Pons, Claudia
- Descripción
- Dado el constante incremento, tanto en número como en complejidad, de los ataques informáticos, los mecanismos convencionales de detección resultan ineficientes en la mayoría de los escenarios. En este contexto, la presente investigación propone determinar si técnicas de data mining y machine learning pueden ser utilizadas efectivamente para el entrenamiento de algoritmos capaces de detectar y clasificar correctamente nuevos tipos de amenazas.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática - Materia
-
Ciencias Informáticas
Machine learning
malware
seguridad informática
Virus
zero-day
Data mining
Inteligencia artificial
redes neuronales - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/117193
Ver los metadatos del registro completo
| id |
SEDICI_d7a84101e25403f8a678928abcecab16 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/117193 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Detección y clasificación de zero-day malware a través de data mining y machine learningRecordon, AugustoRuiz Díaz, SilviaCiencias InformáticasMachine learningmalwareseguridad informáticaViruszero-dayData miningInteligencia artificialredes neuronalesDado el constante incremento, tanto en número como en complejidad, de los ataques informáticos, los mecanismos convencionales de detección resultan ineficientes en la mayoría de los escenarios. En este contexto, la presente investigación propone determinar si técnicas de data mining y machine learning pueden ser utilizadas efectivamente para el entrenamiento de algoritmos capaces de detectar y clasificar correctamente nuevos tipos de amenazas.Licenciado en SistemasUniversidad Nacional de La PlataFacultad de InformáticaPons, Claudia2020-11-26info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/117193spainfo: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:UNLP2025-09-29T11:27:30Zoai:sedici.unlp.edu.ar:10915/117193Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:27:31.213SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| title |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| spellingShingle |
Detección y clasificación de zero-day malware a través de data mining y machine learning Recordon, Augusto Ciencias Informáticas Machine learning malware seguridad informática Virus zero-day Data mining Inteligencia artificial redes neuronales |
| title_short |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| title_full |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| title_fullStr |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| title_full_unstemmed |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| title_sort |
Detección y clasificación de zero-day malware a través de data mining y machine learning |
| dc.creator.none.fl_str_mv |
Recordon, Augusto Ruiz Díaz, Silvia |
| author |
Recordon, Augusto |
| author_facet |
Recordon, Augusto Ruiz Díaz, Silvia |
| author_role |
author |
| author2 |
Ruiz Díaz, Silvia |
| author2_role |
author |
| dc.contributor.none.fl_str_mv |
Pons, Claudia |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Machine learning malware seguridad informática Virus zero-day Data mining Inteligencia artificial redes neuronales |
| topic |
Ciencias Informáticas Machine learning malware seguridad informática Virus zero-day Data mining Inteligencia artificial redes neuronales |
| dc.description.none.fl_txt_mv |
Dado el constante incremento, tanto en número como en complejidad, de los ataques informáticos, los mecanismos convencionales de detección resultan ineficientes en la mayoría de los escenarios. En este contexto, la presente investigación propone determinar si técnicas de data mining y machine learning pueden ser utilizadas efectivamente para el entrenamiento de algoritmos capaces de detectar y clasificar correctamente nuevos tipos de amenazas. Licenciado en Sistemas Universidad Nacional de La Plata Facultad de Informática |
| description |
Dado el constante incremento, tanto en número como en complejidad, de los ataques informáticos, los mecanismos convencionales de detección resultan ineficientes en la mayoría de los escenarios. En este contexto, la presente investigación propone determinar si técnicas de data mining y machine learning pueden ser utilizadas efectivamente para el entrenamiento de algoritmos capaces de detectar y clasificar correctamente nuevos tipos de amenazas. |
| publishDate |
2020 |
| dc.date.none.fl_str_mv |
2020-11-26 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion Tesis de grado http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
| format |
bachelorThesis |
| status_str |
acceptedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/117193 |
| url |
http://sedici.unlp.edu.ar/handle/10915/117193 |
| 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/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_ |
1844616153537708032 |
| score |
13.070432 |