DETECCIÓN DE TRÁFICO MALICIOSO EN REDES IOT MEDIANTE REDES NEURONALES LSTM
Fecha
2024-06-20
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Rey Juan Carlos
Enlace externo
Resumen
En las redes IoT, cualquier anomalía, incluyendo eventos fortuitos y ataques intencio-
nados, puede poner a prueba la estabilidad y disponibilidad de la red.
Cuando surge uno de los casos mencionados, tiene mucha importancia el poder detectar
estos patrones para reaccionar a tiempo y evitarlos.
En este trabajo, hemos analizado formas de detección de tráfico malicioso, modelando
un dataset que contiene etiquetas de si el paquete recibido es maligno o benigno. Para
ello, nos hemos basado en las redes neuronales LSTM y en redes neuronales MLP. Esto
requiero un proceso de preprocesado de los datos, selección de características, creación
del bloque de datos que vamos a introducir y el entrenamiento y prueba del modelo.
El proceso llevado a cabo consiste en seleccionar el conjunto de datos que vamos a
introducir en este modelo y la selección de características que van a ser procesadas por el
mismo. Este paso es importante para optimizar el rendimiento de los algoritmos utilizados
y su futura comparación de resultados.
Una vez mostrados los resultados de las redes LSTM y las redes MLP, se ha procedido
al análisis de los mismos y su comparación, demostrando que para secuencias temporales
las redes LSTM muestran un mayor rendimiento y eficiencia.
Descripción
Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Leopoldo Carro Calvo
Citación
Colecciones

Excepto si se señala otra cosa, la licencia del ítem se describe como Creative Commons Atribución 4.0 Internacional