Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning

Este trabajo presenta una solución basada en técnicas de Deep Learning para detectar patrones visuales en imágenes asociadas a phishing, una de las principales amenazas en ciberseguridad. Utilizando la arquitectura VGG16 basada en redes neuronales convolucionales (CNN), se implementó y evaluó un mod...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Soria, Karen Micaela
Otros Autores: Morales, Martín
Formato: info:eu-repo/semantics/other info:ar-repo/semantics/otro acceptedVersion
Lenguaje:Español
Publicado: Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía 2024
Materias:
Aprendizaje profundo
Phishing
Redes Neuronales Convolucionales
VGG16
Ciberseguridad
Detección de patrones visuales
Deep Learning
Convolutional Neural Networks
Cybersecurity
Visual Pattern Detection
Acceso en línea:https://rid.unaj.edu.ar/handle/123456789/3305
Aporte de:
Repositorio Institucional de Acceso Abierto (RID UNAJ) de Universidad Nacional Arturo Jauretche
id I76-R191-123456789-3305
record_format dspace
spelling I76-R191-123456789-33052025-12-01T22:01:47Z Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning Soria, Karen Micaela Morales, Martín Schenone, Carlos Conde, Sergio Osio, Jorge Aprendizaje profundo Phishing Redes Neuronales Convolucionales VGG16 Ciberseguridad Detección de patrones visuales Deep Learning Convolutional Neural Networks Cybersecurity Visual Pattern Detection Este trabajo presenta una solución basada en técnicas de Deep Learning para detectar patrones visuales en imágenes asociadas a phishing, una de las principales amenazas en ciberseguridad. Utilizando la arquitectura VGG16 basada en redes neuronales convolucionales (CNN), se implementó y evaluó un modelo capaz de identificar sitios maliciosos, alcanzando una precisión cercana al 90%. El estudio destaca la importancia de contar con conjuntos de datos balanceados para evitar sesgos y mejorar la capacidad de generalización del modelo. Durante la investigación se abordaron desafíos como la detección de imágenes ambiguas y las limitaciones computacionales para realizar el entrenamiento. El modelo desarrollado representa un aporte en la lucha contra el phishing y sienta las bases para futuras mejoras, como la ampliación del dataset, la optimización del modelo y su implementación en sistemas de tiempo real. This work presents a Deep Learning-based solution for detecting visual patterns in images associated with phishing, one of the most prevalent threats in cybersecurity. Using the VGG16 convolutional neural network (CNN) architecture, a model was implemented and trained to identify malicious sites by analyzing their visual characteristics. The results achieved demonstrate a precision of nearly 90%, validating the effectiveness of the proposed approach. The study highlights the importance of using balanced datasets to improve model generalization and reduce prediction bias. While the model performed well on complex phishing images, challenges were identified, particularly in handling ambiguous images visually similar to legitimate websites and in computational resource limitations. In conclusion, the developed model represents an advancement in phishing detection. Future work includes expanding the dataset, optimizing the model with advanced architectures, and implementing real-time detection systems to address evolving cyber threats. Fil: Soria, Karen Micaela. Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía; Argentina. Fil: Morales, Martín. Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía; Argentina. Fil: Schenone, Carlos. Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía; Argentina. 2024-12-18 info:eu-repo/semantics/other info:ar-repo/semantics/otro info:eu-repo/semantics/acceptedVersion https://rid.unaj.edu.ar/handle/123456789/3305 spa info:eu-repo/semantics/openAccess info:ar-repo/semantics/accesoabierto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía
institution Universidad Nacional Arturo Jauretche
institution_str I-76
repository_str R-191
collection Repositorio Institucional de Acceso Abierto (RID UNAJ)
language Español
orig_language_str_mv spa
topic Aprendizaje profundo
Phishing
Redes Neuronales Convolucionales
VGG16
Ciberseguridad
Detección de patrones visuales
Deep Learning
Convolutional Neural Networks
Cybersecurity
Visual Pattern Detection
spellingShingle Aprendizaje profundo
Phishing
Redes Neuronales Convolucionales
VGG16
Ciberseguridad
Detección de patrones visuales
Deep Learning
Convolutional Neural Networks
Cybersecurity
Visual Pattern Detection
Soria, Karen Micaela
Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning
topic_facet Aprendizaje profundo
Phishing
Redes Neuronales Convolucionales
VGG16
Ciberseguridad
Detección de patrones visuales
Deep Learning
Convolutional Neural Networks
Cybersecurity
Visual Pattern Detection
description Este trabajo presenta una solución basada en técnicas de Deep Learning para detectar patrones visuales en imágenes asociadas a phishing, una de las principales amenazas en ciberseguridad. Utilizando la arquitectura VGG16 basada en redes neuronales convolucionales (CNN), se implementó y evaluó un modelo capaz de identificar sitios maliciosos, alcanzando una precisión cercana al 90%. El estudio destaca la importancia de contar con conjuntos de datos balanceados para evitar sesgos y mejorar la capacidad de generalización del modelo. Durante la investigación se abordaron desafíos como la detección de imágenes ambiguas y las limitaciones computacionales para realizar el entrenamiento. El modelo desarrollado representa un aporte en la lucha contra el phishing y sienta las bases para futuras mejoras, como la ampliación del dataset, la optimización del modelo y su implementación en sistemas de tiempo real.
author2 Morales, Martín
author_facet Morales, Martín
Soria, Karen Micaela
format info:eu-repo/semantics/other
info:ar-repo/semantics/otro
acceptedVersion
author Soria, Karen Micaela
author_sort Soria, Karen Micaela
title Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning
title_short Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning
title_full Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning
title_fullStr Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning
title_full_unstemmed Detección de patrones de Phishing en imágenes mediante técnicas de Deep Learning
title_sort detección de patrones de phishing en imágenes mediante técnicas de deep learning
publisher Universidad Nacional Arturo Jauretche. Instituto de Ingeniería y Agronomía
publishDate 2024
url https://rid.unaj.edu.ar/handle/123456789/3305
work_keys_str_mv AT soriakarenmicaela detecciondepatronesdephishingenimagenesmediantetecnicasdedeeplearning
_version_ 1857036762353762304

Ejemplares similares