Descripción
|
|
---|---|
Los algoritmos de inteligencia artificial ya tienen un papel protagonista en el ámbito de la ciberseguridad y la detección de ataques, pudiendo presentar mejores resultados en algunos escenarios que sistemas de detección de ntrusiones clásicos como Snort o Suricata. Dentro de los algoritmos de aprendizaje automático, este artículo se centra en la evaluación de la aplicabilidad de uno de los más populares: las redes neuronales. Para ello, se lantea en primer lugar una categorización para datasets de ciberseguridad que divide sus características en varios grupos. Haciendo uso de dicha división, este trabajo busca determinar qué modelo de red neuronal (multicapa o recurrente), función de activación y algoritmo de aprendizaje arroja valores más elevados de precisión en función del grupo de características del que se disponga. Asimismo, y con estos resultados, se pretende deducir qué tipo de características presentes en un dataset son más relevantes y representativas para la detección y así, hacer más ligera la carga computacional de la red | |
Internacional
|
No |
Nombre congreso
|
V Jornadas Nacionales de Investigación en Ciberseguridad (JNIC 2019) |
Tipo de participación
|
960 |
Lugar del congreso
|
Caceres, España |
Revisores
|
Si |
ISBN o ISSN
|
978-84-09-12121-2 |
DOI
|
|
Fecha inicio congreso
|
05/06/2019 |
Fecha fin congreso
|
07/06/2019 |
Desde la página
|
110 |
Hasta la página
|
117 |
Título de las actas
|
Actas del V Jornadas Nacionales de Investigación en Ciberseguridad (JNIC 2019) |