Detección de URLs fraudulentas mediante técnicas de aprendizaje automático
Actualmente dentro de los sistemas informáticos los datos representan un activo muy valioso e importante para las empresas, instituciones y gobiernos. Esto produce que cada vez haya más delitos informáticos que intentan robar, suplantar y vender estos datos tan cotizados en el mercado. Por ello, se...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/117926 |
| Acceso en línea: | http://hdl.handle.net/10609/117926 |
| Access Level: | acceso abierto |
| Palabra clave: | detección aprendizaje automático phishing phishing URL detection machine learning detecció aprenentatge automàtic Data warehousing -- TFM Gestor de dades -- TFM Gestor de datos -- TFM |
| Sumario: | Actualmente dentro de los sistemas informáticos los datos representan un activo muy valioso e importante para las empresas, instituciones y gobiernos. Esto produce que cada vez haya más delitos informáticos que intentan robar, suplantar y vender estos datos tan cotizados en el mercado. Por ello, se encuentra que el foco principal de los atacantes y unos de los métodos más efectivos de robo de información son las técnicas de suplantación de identidad (phishing) que implican el uso de ingeniería social. Por lo que el siguiente trabajo de fin de máster tiene como objetivo la utilización de técnicas de aprendizaje automático que hacen uso de algoritmos de clasificación, para poder determinar cuando una URL es fraudulenta o legítima. |
|---|