Zero-day attacks detection using machine learning techniques

Armijos Inga, Arianna Belen

Please use this identifier to cite or link to this item: http://repositorio.yachaytech.edu.ec/handle/123456789/684

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Cuenca Pauta, Erick Eduardo	-
dc.contributor.author	Armijos Inga, Arianna Belen	-
dc.date.accessioned	2023-11-28T15:55:33Z	-
dc.date.available	2023-11-28T15:55:33Z	-
dc.date.issued	2023-11	-
dc.identifier.uri	http://repositorio.yachaytech.edu.ec/handle/123456789/684	-
dc.description	Currently, we live in a world where technology is ubiquitous, and it has become an integral part of our daily lives. Technology continually advances to become more robust and to provide greater privileges to those who consume its services. However, as technology continues to grow, the Internet expands, and so do the vulnerabilities and cyberattacks to which we, as users, may be exposed within a network. It's a network where our data and personal information can be discovered by malicious users. Among these attacks, there are zero-day attacks, which fall within the realm of cybersecurity. They are the most dangerous threats one can encounter within a network or software today. This is because the security measures in place to prevent such cyberattacks lack knowledge or records of them. Zero-day attacks rely on the injection of malicious code, exploiting vulnerabilities that have not yet been discovered by users or the creators of the said software or network. The objective of this graduation project is to propose a new algorithm that, by employing various machine learning techniques, can detect zero-day attacks through anomaly recognition within a dataset containing benign and malicious network traffic.	es
dc.description.abstract	Actualmente, vivimos en un mundo donde la tecnología está en todas partes y es parte de nuestro día a día, cada vez avanza más para ser más robusta y darnos mayores privilegios a quienes consumimos estos servicios, sin embargo, mientras más crece la tecnología, La red de Internet se expande y mayores son las vulnerabilidades y ciberataques a los que como usuarios podemos estar expuestos dentro de una red, una red en la que nuestros datos e información personal pueden ser descubiertos por cualquier usuario malintencionado. Dentro de estos ataques existen los ataques de día cero, estos están dentro del área de la ciberseguridad, son los más peligrosos que se pueden encontrar dentro de una red o software hoy en día, debido a que la seguridad encargada de prevenir este tipo de ciberataques no tiene conocimiento. o registro de aquellos. Los ataques de día cero se basan en la inyección de código malicioso gracias al conocimiento de vulnerabilidades aún no descubiertas por los usuarios o por los creadores de dicho software o red. El objetivo de este proyecto de graduación es proponer un nuevo algoritmo en el que, utilizando diferentes técnicas de aprendizaje automático, sea posible crear un algoritmo capaz de detectar ataques de día cero bajo el análisis de reconocimiento de anomalías dentro de un conjunto de datos con tráfico de red benigno y maligno.	es
dc.language.iso	eng	es
dc.publisher	Universidad de Investigación de Tecnología Experimental Yachay	es
dc.rights	openAccess	es
dc.subject	Ciberseguridad	es
dc.subject	Aprendizaje automático	es
dc.subject	Cibersecurity	es
dc.subject	Isolation forest	es
dc.subject	Machine learning	es
dc.title	Zero-day attacks detection using machine learning techniques	es
dc.type	bachelorThesis	es
dc.description.degree	Ingeniero/a en Tecnologías de la Información	es
dc.pagination.pages	125 hojas	es
Appears in Collections:	Tecnologías de la Información

Files in This Item:

File	Description	Size	Format
ECMC0144.pdf		15.89 MB	Adobe PDF	View/Open

Show simple item record