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...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| 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: | |
| Acceso en línea: | https://rid.unaj.edu.ar/handle/123456789/3305 |
| Aporte de: |
| Sumario: | 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.
|
|---|