Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.uci.cu/jspui/handle/123456789/9679
Título : Técnicas de Inteligencia Artificial para Sistemas de Detección de Intrusiones
Otros títulos : Artificial Intelligence Techniques for Intrusion Detection Systems
Autor : Dorvigny Dorvigny, Darvis
Barrera P´erez, Dennis
Rodrıguez Vallejo, Lester
Palabras clave : SISTEMAS DE DETECCIÓN DE INTRUSIONES DE RED BASADO EN ANOMALÍAS;INTELIGENCIA ARTIFICIAL;APRENDIZAJE AUTOMATIZADO;APRENDIZAJE PROFUNDO;REDES NEURONALES;CONJUNTOS DE DATOS
Fecha de publicación : oct-2021
Editorial : Ediciones Futuro
Resumen : El vertiginoso desarrollo de las Tecnologías de la Información y la Comunicación ha propiciado que cada vez más personas y organizaciones se conecten a Internet. El volumen de información disponible en las redes cada vez es mayor. Al mismo tiempo aumentan las amenazas y la actividad maliciosa de los ciberdelincuentes, expresada en ciberataques cada vez m´as sofisticados que afectan las redes y los sistemas informáticos, poniendo en riesgo la confidencialidad, integridad y la disponibilidad de la información. Los Sistemas de Detección de Intrusiones constituyen una importante línea de defensa para los sistemas informáticos frente a estas amenazas. Diferentes técnicas de la Inteligencia Artificial como el aprendizaje automatizado, o el aprendizaje profundo, han permitido importantes avances en el desarrollo de este mecanismo de seguridad. En este trabajo se realiza una revisión de los trabajos más relevantes que aplican las técnicas de Inteligencia Artificial para el desarrollode Sistemas de Detección de Intrusiones de red basados en anomalías. Se abordan los conjuntos de datos más utilizados, y se plantean los retos fundamentales que constituyen líneas de trabajo futuro.
The rapid development of Information and Communication Technologies has led more and more people and organizations to connect to the Internet. The volume of information available on the networks is increasing. At the same time, threats and malicious activity by cybercriminals are increasing, expressed in increasingly sophisticated cyberattacks that affect networks and computer systems, putting the confidentiality, integrity and availability of information at risk. Intrusion Detection Systems represent an important line of defense for computer systems against these threats. Different techniques of Artificial Intelligence such as Machine Learning,or Deep Learning, have allowed important advances in the development of this security mechanism. In this paper a review of the most relevant works that apply Artificial Intelligence techniques for the development of Network Intrusion Detection Systems based on anomalies is carried out. The most widely used data sets are addressed, and the fundamental challenges are raised as lines of scientific research work.
URI : https://repositorio.uci.cu/jspui/handle/123456789/9679
ISSN : 2227.1899
Aparece en las colecciones: UCIENCIA 2021

Ficheros en este ítem:
Fichero Tamaño Formato  
UCIENCIA_2021_paper_224.pdf1.27 MBAdobe PDFVisualizar/Abrir


Los ítems del Repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.