Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial

El presente artículo introduce una aproximación al problema de “Anomaly Intrusion Detection” basada en una combinación de algoritmos de “Machine Learning” (ML) supervisados y no supervisados. Los objetivos que se persiguen son: el modelar en forma efectiva el tráfico de una organización y el reducir...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Couchet, Jorge, Steiner, Miriam, San Vicente, Rodrigo, Ferreira, Enrique
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2005
Materias:	Ciencias Informáticas Inteligencia Artificial Neural nets Redes Neurales (Computación) anomaly intrusion detection machine learning learning vector quantization self-organizing maps
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/22919
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-22919
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Inteligencia Artificial Neural nets Redes Neurales (Computación) anomaly intrusion detection machine learning learning vector quantization self-organizing maps
spellingShingle	Ciencias Informáticas Inteligencia Artificial Neural nets Redes Neurales (Computación) anomaly intrusion detection machine learning learning vector quantization self-organizing maps Couchet, Jorge Steiner, Miriam San Vicente, Rodrigo Ferreira, Enrique Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial
topic_facet	Ciencias Informáticas Inteligencia Artificial Neural nets Redes Neurales (Computación) anomaly intrusion detection machine learning learning vector quantization self-organizing maps
description	El presente artículo introduce una aproximación al problema de “Anomaly Intrusion Detection” basada en una combinación de algoritmos de “Machine Learning” (ML) supervisados y no supervisados. Los objetivos que se persiguen son: el modelar en forma efectiva el tráfico de una organización y el reducir en forma substancial el porcentaje de Falsos Positivos mientras se mantiene un nivel razonable de detección de anomalías. Se presenta una arquitectura basada en un conjunto de “Self-Organizing Maps” (SOM) para el modelado del tráfico y en el uso de “Linear Vector Quantization” (LVQ) para la clasificación definitiva de los paquetes de tráfico. Los algoritmos desarrollados usan Snort para el preprocesamiento del tráfico de red, y están pensados para ser un complemento de esta herramienta. Los resultados alcanzados hasta el momento muestran que se pueden lograr niveles aceptables de acierto en comparación con otras técnicas. Al final se plantean las conclusiones extraídas del trabajo y direcciones en las cuales se puede continuar el desarrollo y mejorar los resultados obtenidos
format	Objeto de conferencia Objeto de conferencia
author	Couchet, Jorge Steiner, Miriam San Vicente, Rodrigo Ferreira, Enrique
author_facet	Couchet, Jorge Steiner, Miriam San Vicente, Rodrigo Ferreira, Enrique
author_sort	Couchet, Jorge
title	Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial
title_short	Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial
title_full	Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial
title_fullStr	Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial
title_full_unstemmed	Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial
title_sort	una aproximación efectiva a la detección de anomalías en el tráfico tcp/ip usando técnicas de inteligencia artificial
publishDate	2005
url	http://sedici.unlp.edu.ar/handle/10915/22919
work_keys_str_mv	AT couchetjorge unaaproximacionefectivaaladetecciondeanomaliaseneltraficotcpipusandotecnicasdeinteligenciaartificial AT steinermiriam unaaproximacionefectivaaladetecciondeanomaliaseneltraficotcpipusandotecnicasdeinteligenciaartificial AT sanvicenterodrigo unaaproximacionefectivaaladetecciondeanomaliaseneltraficotcpipusandotecnicasdeinteligenciaartificial AT ferreiraenrique unaaproximacionefectivaaladetecciondeanomaliaseneltraficotcpipusandotecnicasdeinteligenciaartificial
bdutipo_str	Repositorios
_version_	1764820467909132290

Una aproximación efectiva a la detección de anomalías en el tráfico TCP/IP usando técnicas de inteligencia artificial

Ejemplares similares