UN NUEVO ALGORITMO BASADO EN APRENDIZAJE DE ENSAMBLE PARA EL PROBLEMA DE DETECCIÓN DE ANOMALÍAS.

PEREYRA VILLANUEVA, LUIS ANGEL (2019) UN NUEVO ALGORITMO BASADO EN APRENDIZAJE DE ENSAMBLE PARA EL PROBLEMA DE DETECCIÓN DE ANOMALÍAS. Maestría thesis, Universidad Autónoma de Chihuahua.

Vista Previa

Text TESIS- PEREYRA VILLANUEVA LUIS ANGEL.pdf Download (3539Kb) | Vista Previa

Resumen

Vivimos en una sociedad dependiente de la tecnología, donde el uso de dispositivos electrónicos y sistemas informáticos ha formado parte de la vida cotidiana de millones de personas. La interacción con estos artefactos ha logrado facilitar una gran cantidad de actividades laborales y de carácter común para los usuarios, pero, según la tercera ley de Murphy, si creemos que no puede fallar, lo hará a pesar de todo. Lo que nos indica que, aunque los dispositivos electrónicos y sistemas informáticos tengan un excelente diseño y hayan sido probados en miles de ocasiones, no están exentos de vulnerabilidades que repercuten en ellos y en consecuencia a los usuarios. En la comunidad científica se originó un área de interés para detectar estos fallos, que en la mayoría de las ocasiones se les denomina anomalías, la detección de anomalías se refiere a discernir las desviaciones de un conjunto de patrones esperados, estos pueden ser desde pequeñas fluctuaciones en una serie de datos hasta situaciones donde se comprometa todo el sistema. En esta tesis de investigación se diseñó un algoritmo basado en aprendizaje de ensamblaje para la detección de anomalías denominado Bagging-RandomMiner y se basa en la clasificación de una clase. Este algoritmo fue evaluado en dos enfoques distintos: Detección de intrusos en sesiones de computadora y Detección de riesgos personales mediante el procesamiento de señales de bio-sensado. Los resultados mostraron que nuestro algoritmo es un excelente candidato para detectar anomalías.

Actions (login required)

Ver Objeto