Detección y análisis de anomalías en el Tráfico cursado por un UPF con el modelo de Facebook Prophet. El caso de un Operador Latinoamericano /
El crecimiento exponencial de las telecomunicaciones móviles ha impulsado la necesidad de desarrollar técnicas avanzadas para gestionar el tráfico de red de manera eficiente. En este trabajo final de grado se analiza la detección de anomalías en el tráfico gestionado por un User Plane Function (UPF)...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | , , |
| Formato: | Tesis Libro |
| Lenguaje: | Español |
| Publicado: |
[S.l.] :
[s.n.],
[2025?]
|
| Materias: | |
| Acceso en línea: | https://miubp3.ubp.edu.ar/cms/biblio/material/5615679E-FD50-4DAE-AAF1-D96C227935B8.pdf |
| Aporte de: | Registro referencial: Solicitar el recurso aquí |
| LEADER | 03911nam a22004217a 4500 | ||
|---|---|---|---|
| 003 | AR-CdUBP | ||
| 005 | 20250707194216.0 | ||
| 008 | 250704s2025 agad g m||| 000 0 spa|d | ||
| 040 | |a AR-CdUBP |b spa |c AR-CdUBP |d AR-CdUBP | ||
| 041 | |a spa | ||
| 100 | 1 | |a Coria, Lautaro Agustín | |
| 245 | 1 | 0 | |a Detección y análisis de anomalías en el Tráfico cursado por un UPF con el modelo de Facebook Prophet. El caso de un Operador Latinoamericano / |c Lautaro Agustín Coria, Facundo Karraz ; director Luis Alfredo Junco ; asesor Omar Saibene ; asesor metodológico Gustavo Artunduaga |
| 260 | |a [S.l.] : |b [s.n.], |c [2025?] | ||
| 300 | |a 144 p. : |b il., gráficos ; |c 29 cm. | ||
| 500 | |a La Biblioteca posee: 1 ej. | ||
| 500 | |a Esta Tesis sólo se encuentra en formato PDF, no está en versión impresa (papel). | ||
| 502 | |a Tesis (Ingeniería en Telecomunicaciones) -- Universidad Blas Pascal, [2025?]. | ||
| 504 | |a Incluye bibliografía. | ||
| 505 | 2 | |a Introducción. Objetivos: Objetivo general. Objetivos específicos. Materiales y métodos: Estudio exploratorio bibliográfico. Estudio descriptivo. Diseño y descripción de herramientas. Estado del arte redes móviles: Primeras Generaciones (1G). Segunda Generación (2G). Tercera Generación (3G). Cuarta Generación (4G). Quinta Generación (5G). APN (Access Point Name). Key Performance Indicators. KPIs en redes móviles: Series temporales. KPI (Key Performance Indicators). Estado del arte en Inteligencia Artificial: Inteligencia artificial. Machine learning. Conceptos de importancia. Algoritmos de Machine learning. Análisis y modelado de series temporales. Prophet. Implementación del modelo: Librerías y herramientas utilizadas. Recolección y disponibilización de datos. Naturaleza de la serie de datos. Preprocesamiento de datos. Generación del modelo. Validación del modelo: Detección de anomalías. Optimización del modelo. Análisis de anomalías. Conclusiones. Índice de figuras. | |
| 520 | 1 | |a El crecimiento exponencial de las telecomunicaciones móviles ha impulsado la necesidad de desarrollar técnicas avanzadas para gestionar el tráfico de red de manera eficiente. En este trabajo final de grado se analiza la detección de anomalías en el tráfico gestionado por un User Plane Function (UPF) en un entorno 5G Standalone (SA) mediante el uso del modelo Prophet de Facebook. Se propone un enfoque basado en el análisis de series temporales para identificar patrones de comportamiento y detectar posibles anomalías que afecten a la red. Para ello, se estudian las características de las redes móviles desde sus primeras generaciones hasta la implementación de 5G, prestando especial atención a los indicadores clave de rendimiento (KPI) y su impacto en la gestión del tráfico de datos. Se diseña e implementa un pipeline metodológico que abarca desde la recolección y el preprocesamiento de datos hasta la evaluación y la optimización del modelo. Los resultados obtenidos evidencian la capacidad de Prophet para modelar la evolución del tráfico y detectar eventos anómalos, lo que contribuye a mejorar la gestión de la red y optimizar la calidad del servicio. | |
| 650 | 4 | |a TELECOMUNICACIONES |9 1575 | |
| 650 | 4 | |a COMUNICACIÓN MÓVIL |9 2650 | |
| 650 | 4 | |a TELÉFONO MÓVIL |9 10100 | |
| 650 | 4 | |a REDES DE TRANSMISIÓN DE DATOS |9 1568 | |
| 650 | 4 | |a Inteligencia Artificial |9 2980 | |
| 650 | 4 | |a PROCESAMIENTO DE DATOS |9 1569 | |
| 650 | 4 | |a ALGORITMO |9 12469 | |
| 650 | 4 | |a PROTOCOLOS DE REDES DE COMPUTADORAS |9 1764 | |
| 700 | 1 | |a Karraz, Facundo | |
| 700 | 1 | |a Junco, Luis Alfredo |e dir. | |
| 700 | 1 | |a Saibene, Omar |e asesor | |
| 700 | 1 | |a Artunduaga, Gustavo |e asesor metodológico | |
| 856 | |u https://miubp3.ubp.edu.ar/cms/biblio/material/5615679E-FD50-4DAE-AAF1-D96C227935B8.pdf | ||
| 930 | |a TELECOMUNICACIONES | ||
| 942 | |2 udc |c TE | ||
| 945 | |a STF | ||
| 984 | |a Tesis |b TEL 267 | ||
| 999 | |c 63692 |d 63692 | ||