Validación de herramientas de aprendizaje automático para detección de intrusiones en redes wifi utilizando tráfico real
En la actualidad el acceso a internet va en crecimiento provocando una generalización en su uso, con un especial énfasis en las redes inalámbricas las cuales ofrecen varias prestaciones como movilidad, conectividad, escalabilidad, etc., haciéndolas ideales para varios entornos ya sean familiares, co...
Gorde:
| Egile nagusia: | |
|---|---|
| Formatua: | bachelorThesis |
| Argitaratua: |
2025
|
| Gaiak: | |
| Sarrera elektronikoa: | https://repositorio.espe.edu.ec/handle/21000/52274 |
| Etiketak: |
Etiketa erantsi
Etiketarik gabe, Izan zaitez lehena erregistro honi etiketa jartzen!
|
Etiketa erantsi | Gaia: | En la actualidad el acceso a internet va en crecimiento provocando una generalización en su uso, con un especial énfasis en las redes inalámbricas las cuales ofrecen varias prestaciones como movilidad, conectividad, escalabilidad, etc., haciéndolas ideales para varios entornos ya sean familiares, comerciales, laborales entre otros. Si bien existe un estándar que define varios parámetros y normas para estas redes como el 802.11, mismo que fue desarrollado hace ya varios años y permanece en constante desarrollo a la par del descubrimiento de nuevas tecnologías, también se van descubriendo nuevas vulnerabilidades o ventanas que permiten romper uno de los aspectos más importantes en la red, la seguridad. Esto desemboca en la posibilidad de que intrusos intenten acceder a nuestra red mediante varios tipos de ataques como la negación del servicio, ataques de fuerza bruta o incluso la creación de puntos de acceso falsos con el objetivo de robar datos personales o tener acceso a un sistema específico. La presente investigación tiene como fin desarrollar e implementar un sistema de detección de intrusos para monitorear tráfico real generado por redes inalámbricas utilizando herramientas de aprendizaje automático de Microsoft Azure. El sistema hará uso de tres modelos de machine learning para el proceso de clasificación entre tramas normales e intrusivas, estará entrenado con el conjunto de datos AWID3 y se usarán valores distintos en parámetros específicos de los mismos, esto con el objetivo de evaluar el impacto de cada uno. Para validar el correcto funcionamiento del sistema se utilizará tráfico real y con los resultados obtenidos se establecerá una comparativa con base en las métricas de cada modelo. |
|---|