Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.uci.cu/jspui/handle/123456789/10697
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorMilián Núñez, Vladimir-
dc.coverage.spatial1001206en_US
dc.date.accessioned2024-06-03T18:47:00Z-
dc.date.available2024-06-03T18:47:00Z-
dc.date.issued2023-12-27-
dc.identifier.isbn978-959-286-086-5-
dc.identifier.urihttps://repositorio.uci.cu/jspui/handle/123456789/10697-
dc.description.abstractWindows es un sistema operativo popular basado en interfaz gráfica de usuario que brinda servicios como almacenamiento, ejecución de software de terceros, reproducción de videos, conexión de red, etc. El malware es una de las principales preocupaciones de seguridad para la plataforma Windows. Malware es cualquier tipo de software informático que perturba la disponibilidad de los servicios informáticos. Los sistemas de detección tradicionales, como sistema de detección/prevención de intrusos, software antivirus, etc., no pueden detectar malware oculto debido al uso de métodos basados en firmas. Por lo tanto, existe la necesidad de detectar con precisión este tipo de malware en el entorno de Windows. En este trabajo, se presenta un sistema de detección de malware basado en Machine Learning (ML) que extrae características del encabezdo de los archivos Portables Executable para hacer detectar el malware. Además, se lleva a cabo un análisis comparativo entre los modelos de ML para seleccionar el apropiado para el problema objetivo. Los resultados experimentales muestran que Random Forest superó a los demás con un nivel de precisión del 99,44 % para la detección de malware. Esto se puede usar para desarrollar una aplicación de escritorio para escanear el malware para la plataforma Windows con la capacidad adicional de personalizar el proceso de escaneo.en_US
dc.language.isospaen_US
dc.publisherEdiciones futuroen_US
dc.subjectAPRENDIZAJE AUTOMATICIOen_US
dc.subjectEJECUTABLE PORTABLEen_US
dc.subjectMALWAREen_US
dc.titleDetección de malware mediante algoritmos de aprendizaje automático para la plataforma Windowsen_US
dc.title.alternativeMalware Detection using Machine Learning Algorithms for Windows Platformen_US
dc.typeconferenceObjecten_US
dc.rights.holderUniversidad de las Ciencias Informáticasen_US
dc.source.titleMemorias de la V Convención Internacional UCIENCIA 2023en_US
dc.source.conferencetitleSimposio Internacional de Transformación Digital. X Taller Internacional de Software Libre y Técnologías Emergentesen_US
Aparece en las colecciones: UCIENCIA 2023

Ficheros en este ítem:
Fichero Tamaño Formato  
Libro_de_Memorias_UCIENCIA23_96.pdf146.52 kBAdobe PDFVisualizar/Abrir


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