Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning

El Shoulder Surfing es un ataque de ingeniería social cuyo modus operandi se centra en sustraer información de la víctima mediante la “observación sobre su hombro”. Esto repercute en la seguridad de la información de la víctima, como de la organización a la que pertenece, de tal forma que puede caus...

Descrición completa

Gardado en:
Detalles Bibliográficos
Autor Principal: Bosque Guanotasig, Santiago David (author)
Outros autores: Zurita Bedoya, Bryan Abrahan (author)
Formato: bachelorThesis
Idioma:spa
Publicado: 2023
Subjects:
Acceso en liña:http://repositorio.espe.edu.ec/handle/21000/37443
Tags: Engadir etiqueta
Sen Etiquetas, Sexa o primeiro en etiquetar este rexistro!
_version_ 1859118454099935232
author Bosque Guanotasig, Santiago David
author2 Zurita Bedoya, Bryan Abrahan
author2_role author
author_facet Bosque Guanotasig, Santiago David
Zurita Bedoya, Bryan Abrahan
author_role author
collection Repositorio Universidad de las Fuerzas Armadas
dc.contributor.none.fl_str_mv Fuertes Díaz, Walter Marcelo
dc.creator.none.fl_str_mv Bosque Guanotasig, Santiago David
Zurita Bedoya, Bryan Abrahan
dc.date.none.fl_str_mv 2023-12-05T19:33:42Z
2023-12-05T19:33:42Z
2023
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.identifier.none.fl_str_mv Bosque Guanotasig, Santiago David y Zurita Bedoya, Bryan Abrahan (2023). Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning. Carrera de Tecnologías de la Información. Universidad de las Fuerzas Armadas ESPE. Matriz. Sangolquí.
058415
http://repositorio.espe.edu.ec/handle/21000/37443
dc.language.none.fl_str_mv spa
dc.publisher.none.fl_str_mv Universidad de las Fuerzas Armadas ESPE. Carrera de Tecnologías de la Información.
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.source.none.fl_str_mv reponame:Repositorio Universidad de las Fuerzas Armadas
instname:Universidad de las Fuerzas Armadas
instacron:ESPE
dc.subject.none.fl_str_mv SHOULDER SURFING
DEEP LEARNING
FACE RECOGNITION
SOCIAL ENGINEERING
MITIGATION
dc.title.none.fl_str_mv Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/bachelorThesis
description El Shoulder Surfing es un ataque de ingeniería social cuyo modus operandi se centra en sustraer información de la víctima mediante la “observación sobre su hombro”. Esto repercute en la seguridad de la información de la víctima, como de la organización a la que pertenece, de tal forma que puede causar daños financieros, reputacionales e incluso morales. El presente estudio busca detectar y mitigar esta problemática a través del desarrollo de un artefacto de software por medio de la implementación de tecnologías modernas como el Deep Learning a través del “Reconocimiento Facial” y las Redes Neuronales Convolucionales en conjunto con el Procesamiento de Imágenes y la Visión por Computador. Para lograrlo, se aplicó SCRUM por su peculiaridad para agilizar procesos, entrega de resultados y calidad en sus productos. La metodología para el módulo de reconocimiento facial se basó en un procedimiento de 9 pasos que van desde la carga y extracción de datos de las imágenes hasta la detección e identificación de personas, sin contar los pasos restantes de mitigación, registro y notificación adicionales implementados. Se realizaron pruebas de experiencia de usuario, rendimiento de la mitigación y rendimiento del reconocimiento facial. Los resultados muestran que el factor principal que determina las características de potencia para los dispositivos, es determinado por la resolución de video que es suministrado en tiempo real al sistema. Para el reconocimiento facial se desarrolló una ecuación para determinar el tiempo de procesamiento, que determinó que, por cada 5 imágenes, el tiempo incrementa 3.06 segundos aproximadamente de procesamiento. Estos resultados podrían incrementar el nivel de ciberseguridad en las personas más vulnerables de la familia, la academia, la empresa y la industria.
eu_rights_str_mv openAccess
format bachelorThesis
id ESPE_710c673ce8e7a9dae4a3bc99009ce4b7
identifier_str_mv Bosque Guanotasig, Santiago David y Zurita Bedoya, Bryan Abrahan (2023). Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning. Carrera de Tecnologías de la Información. Universidad de las Fuerzas Armadas ESPE. Matriz. Sangolquí.
058415
instacron_str ESPE
institution ESPE
instname_str Universidad de las Fuerzas Armadas
language spa
network_acronym_str ESPE
network_name_str Repositorio Universidad de las Fuerzas Armadas
oai_identifier_str oai:repositorio.espe.edu.ec:21000/37443
publishDate 2023
publisher.none.fl_str_mv Universidad de las Fuerzas Armadas ESPE. Carrera de Tecnologías de la Información.
reponame_str Repositorio Universidad de las Fuerzas Armadas
repository.mail.fl_str_mv .
repository.name.fl_str_mv Repositorio Universidad de las Fuerzas Armadas - Universidad de las Fuerzas Armadas
repository_id_str 2042
spelling Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep LearningBosque Guanotasig, Santiago DavidZurita Bedoya, Bryan AbrahanSHOULDER SURFINGDEEP LEARNINGFACE RECOGNITIONSOCIAL ENGINEERINGMITIGATIONEl Shoulder Surfing es un ataque de ingeniería social cuyo modus operandi se centra en sustraer información de la víctima mediante la “observación sobre su hombro”. Esto repercute en la seguridad de la información de la víctima, como de la organización a la que pertenece, de tal forma que puede causar daños financieros, reputacionales e incluso morales. El presente estudio busca detectar y mitigar esta problemática a través del desarrollo de un artefacto de software por medio de la implementación de tecnologías modernas como el Deep Learning a través del “Reconocimiento Facial” y las Redes Neuronales Convolucionales en conjunto con el Procesamiento de Imágenes y la Visión por Computador. Para lograrlo, se aplicó SCRUM por su peculiaridad para agilizar procesos, entrega de resultados y calidad en sus productos. La metodología para el módulo de reconocimiento facial se basó en un procedimiento de 9 pasos que van desde la carga y extracción de datos de las imágenes hasta la detección e identificación de personas, sin contar los pasos restantes de mitigación, registro y notificación adicionales implementados. Se realizaron pruebas de experiencia de usuario, rendimiento de la mitigación y rendimiento del reconocimiento facial. Los resultados muestran que el factor principal que determina las características de potencia para los dispositivos, es determinado por la resolución de video que es suministrado en tiempo real al sistema. Para el reconocimiento facial se desarrolló una ecuación para determinar el tiempo de procesamiento, que determinó que, por cada 5 imágenes, el tiempo incrementa 3.06 segundos aproximadamente de procesamiento. Estos resultados podrían incrementar el nivel de ciberseguridad en las personas más vulnerables de la familia, la academia, la empresa y la industria.Universidad de las Fuerzas Armadas ESPE. Carrera de Tecnologías de la Información.Fuertes Díaz, Walter Marcelo2023-12-05T19:33:42Z2023-12-05T19:33:42Z2023info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfapplication/pdfapplication/pdfBosque Guanotasig, Santiago David y Zurita Bedoya, Bryan Abrahan (2023). Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning. Carrera de Tecnologías de la Información. Universidad de las Fuerzas Armadas ESPE. Matriz. Sangolquí.058415http://repositorio.espe.edu.ec/handle/21000/37443spainfo:eu-repo/semantics/openAccessreponame:Repositorio Universidad de las Fuerzas Armadasinstname:Universidad de las Fuerzas Armadasinstacron:ESPE2024-07-27T11:40:54Zoai:repositorio.espe.edu.ec:21000/37443Institucionalhttps://repositorio.espe.edu.ec/Universidad públicahttps://www.espe.edu.ec/https://repositorio.espe.edu.ec/oai.Ecuador...opendoar:20422026-03-06T15:33:45.344971Repositorio Universidad de las Fuerzas Armadas - Universidad de las Fuerzas Armadastrue
spellingShingle Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
Bosque Guanotasig, Santiago David
SHOULDER SURFING
DEEP LEARNING
FACE RECOGNITION
SOCIAL ENGINEERING
MITIGATION
status_str publishedVersion
title Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
title_full Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
title_fullStr Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
title_full_unstemmed Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
title_short Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
title_sort Implementación de un modelo de desarrollo evolutivo de software que permita detectar y mitigar ataques de ingeniería social utilizando técnicas de Deep Learning
topic SHOULDER SURFING
DEEP LEARNING
FACE RECOGNITION
SOCIAL ENGINEERING
MITIGATION
url http://repositorio.espe.edu.ec/handle/21000/37443