Prototipo sistema de detección de intrusiones militar: Diseño y validación con modelo híbrido

CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente proyecto desarrolla y valida un modelo de inteligencia artificial para un Sistema de Detección de Intrusiones (IDS), con el objetivo de identificar amenazas cibernéticas en tiempo real dentro de redes locales militares. La justificación se fundamenta en la necesidad crítica de superar las limitaciones de los sistemas tradicionales ante ataques sofisticados, proponiendo un enfoque autónomo y adaptable para infraestructuras de alta seguridad. Para el desarrollo, se realizó una evaluación experimental comparativa entre cuatro arquitecturas de Deep Learning, utilizando el dataset CICIDS2017 y herramientas como TensorFlow y Keras. Como resultado de esta competición, se seleccionó el modelo híbrido 1D-CNN + LSTM por su rendimiento superior, el cual alcanzó un F1-Score de 0.9894 y la menor cantidad de falsos negativos, el error más crítico en este contexto. Posteriormente, un prototipo funcional integró este modelo y validó su eficacia al detectar exitosamente un ataque de escaneo de puertos en vivo. En conclusión, el trabajo demuestra la viabilidad de aplicar arquitecturas híbridas de IA para crear sistemas de seguridad precisos, estableciendo una base sólida para la modernización de la ciberdefensa.

• Auteur principal: Tigrero Panchana, Josué Javier (author)
• Autres auteurs: Ortiz Fernández, Jacinto Javier (author), Vargas López, Germán Ricardo, Director (author)
• Format: bachelorThesis
• Publié: 2025
• Sujets: Ciberseguridad; Inteligencia Artificial; Redes Neuronales; Detección de Anomalías
• Accès en ligne: http://www.dspace.espol.edu.ec/handle/123456789/67307