Desarrollo de un algoritmo de redes neuronales artificiales aplicado a la predicción de tráfico de la infraestructura de comunicaciones de redes corporativas.

Se desarrolló un algoritmo para predicción de tráfico de red basado en redes neuronales artificiales, en redes corporativas. Para obtener los datos del tráfico generado por la red de la Facultad de Informática y Electrónica (FIE), se instaló un servidor de recolección de datos con Linux, empleando TCPdump y un script para capturar automáticamente los datos durante monitoreos de 4 semanas entre las de 8am – 8pm, con intervalos de 5 minutos, los datos del tráfico recolectado contienen la información de protocolos seleccionados por ocupar mayor espacio en cada paquete: Protocolo de Internet (IP), Protocolo de Internet Versión 6 (IPV6), Protocolo de Resolución de Direcciones (ARP), Protocolo de Transferencia de Hipertexto (HTTP), Protocolo Seguro de Transferencia de Hipertexto (HTTPS) y ISCSI-TARGET. Se analizó el tamaño de cada uno de los protocolos que intervinieron en cada captura a través del programa SteelCentral Packet Analyzer, para el almacenamiento de los datos se utilizó Excel para la creación de una base de datos y posteriormente exportar los datos a Matlab donde se realizó la Red Neuronal Artificial con un algoritmo backpropagation para la predicción de datos. Se tomó una muestra de 2880 datos recolectados, analizados, ingresados y procesados en el algoritmo, el cual consta de 300 entradas, 1 capa oculta que consta de 17 neuronas y una única salida, todos los datos anteriormente mencionados se utilizaron para el entrenamiento de la red neuronal artificial. Se concluye que la Red Neuronal Artificial con un algoritmo backpropagation, luego de las pruebas con diferentes números de neuronas, obtuvo para cada uno de los protocolos los siguientes errores: protocolo IP el 9.50%, IPv6 el 15.38%, ARP el 10.24%, HTTP el 15.89%, HTTPS 12.12% y ISCSI- TARGET él 6.22%. Se recomienda para el pronóstico de tráfico de redes corporativas realizar una red neuronal artificial cuyas características sean mayores a 300 neuronas de entrada, una capa oculta con 17 o más neuronas intermedias.

• Main Author: Barrazueta López, Pamela Lourdes (author)
• Other Authors: Tierra Amaguaya, Lennin Santiago (author)
• Format: bachelorThesis
• Language: spa
• Published: 2018
• Subjects: TECNOLOGÍA Y CIENCIAS DE LA INGENIERÍA; REDES DE COMPUTADORAS; ANÁLISIS DE TRÁFICO; REDES NEURONALES ARTIFICIALES; PERCEPTRÓN MULTICAPA; RETROPROPAGACIÓN (BACKPROPAGATION)
• Online Access: https://dspace.espoch.edu.ec/handle/123456789/8444