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...
Gardado en:
| Autor Principal: | |
|---|---|
| Outros autores: | |
| 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 |