Please use this identifier to cite or link to this item:
http://repositorio.yachaytech.edu.ec/handle/123456789/684| Title: | Zero-day attacks detection using machine learning techniques |
| Authors: | Cuenca Pauta, Erick Eduardo Armijos Inga, Arianna Belen |
| Keywords: | Ciberseguridad Aprendizaje automático Cibersecurity Isolation forest Machine learning |
| Issue Date: | Nov-2023 |
| Publisher: | Universidad de Investigación de Tecnología Experimental Yachay |
| 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. |
| 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. |
| URI: | http://repositorio.yachaytech.edu.ec/handle/123456789/684 |
| Appears in Collections: | Tecnologías de la Información |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ECMC0144.pdf | 15.89 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.