SISTEMA DE DETECCIÓN DE INTRUSOS BASADO EN DEEP LEARNING

Abstract

El avance tecnol¿ ogico y el uso de la tecnolog¿ ¿a en la vida cotidiana, hace que cada vez se tengan m¿ as activos expuestos a amenazas del ciberespacio. Uno de los ataques m¿as comunes es el de denegaci¿on de servicio (DoS) [1], que consiste en saturar el tr¿ afico hacia una propiedad web, servidor u otro activo para interrumpir su funcionamiento normal. Este tipo de ataque no solo ocasiona p¿ erdidas f inancieras, sino que tambi¿en afecta a la reputaci¿on de la empresa v¿ ¿ctima, pues incluso una breve inactividad puede resultar en p¿ erdidas significativas. Adicionalmente, los atacantes son cada vez m¿ as creativos ejecutando ataques nuevos, lo que demanda que los sistemas de detecci¿ on de intrusos (IDS) tradicionales evolucionen y se adapten para detectar nuevos tipos de ataques. Por ello, en este trabajo fin de grado, se propone un sistema de detecci¿on de intrusos utilizando diferentes t¿ecnicas de deep learning como redes neuronales recurrentes de memoria a largo plazo y redes generativas antag¿ onicas. El objetivo es mejorar la detecci¿ on de ataques, centr¿andose especialmente en los ataques del tipo zero-day, dif¿ ¿ciles de prever y potencialmente destructivos si no se detectan a tiempo.