Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos

Actualmente los ciberataques son un problema serio y cada vez más frecuente en organizaciones, empresas e instituciones de todo el mundo. Se pueden definir como el acceso, transferencia o manipulación no autorizada de información de un ordenador o centro de datos. Los datos confidenciales en empresa...

Descripción completa

Detalles Bibliográficos
Autor: Guevara Maldonado, César Byron
Tipo de recurso: tesis doctoral
Fecha de publicación:2018
País:España
Institución:Universidad Complutense de Madrid (UCM)
Repositorio:Docta Complutense
Idioma:español
OAI Identifier:oai:docta.ucm.es:20.500.14352/15460
Acceso en línea:https://hdl.handle.net/20.500.14352/15460
Access Level:acceso abierto
Palabra clave:004.421(043.3)
Inteligencia artificial (Informática)
1203.04 Inteligencia Artificial
id ES_db293d7602154444c7cb274063c86aba
oai_identifier_str oai:docta.ucm.es:20.500.14352/15460
network_acronym_str ES
network_name_str España
repository_id_str
spelling Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticosDevelopment of efiicient algorithms for identifying users in computer accessGuevara Maldonado, César Byron004.421(043.3)Inteligencia artificial (Informática)1203.04 Inteligencia ArtificialActualmente los ciberataques son un problema serio y cada vez más frecuente en organizaciones, empresas e instituciones de todo el mundo. Se pueden definir como el acceso, transferencia o manipulación no autorizada de información de un ordenador o centro de datos. Los datos confidenciales en empresas y organizaciones incluyen propiedad intelectual, información financiera, información médica, datos personales de tarjetas de crédito y otros tipos de información dependiendo del negocio y la industria involucrada. En esta tesis se realizan varias contribuciones dentro del campo de Detección de Anomalías (AD), Sistema de Detección de Intrusos (IDS) y Detección de Fugas de Información (DLD). Una de las principales aportaciones común a los tres campos mencionados es el desarrollo de una estructura dinámica de datos para representar el comportamiento real y único de los usuarios, lo que permite que cada uno tenga una huella digital que lo identifica. Otras aportaciones están en la línea de la aplicación de técnicas de inteligencia artificial (IA), tanto en el procesamiento de los datos como en el desarrollo de meta clasificadores (combinación de varias técnicas de IA), por ejemplo: árboles de decisión C4.5 y UCS, máquinas de vectores soporte (SVM), redes neuronales, y técnicas como vecinos cercanos (K-NN), entre otras. Se han aplicado con buenos resultados a la detección de intrusos y han sido validadas con bases de datos públicas como Unix, KDD99, y con una base de datos gubernamental de la república del Ecuador. Dentro del campo de detección de anomalías, se han usado algoritmos bio-inspirados para la identificación de comportamientos anómalos de los usuarios, como los sistemas inmunes artificiales y la selección negativa, además de otros algoritmos de alineamiento de secuencias, como el de Knuth Morris Pratt, para identificar subsecuencias posiblemente fraudulentas. Finalmente, en el ámbito de detección de fugas de información, se han desarrollado algoritmos aplicando técnicas estadísticas como las cadenas de Markov a la secuencia de ejecución de tareas de un usuario en un sistema informático, obteniendo buenos resultados que han sido comprobados con bases de datos secuenciales públicas y privadas.Universidad Complutense de MadridSantos Peñas, MatildeLópez López, María VictoriaUniversidad Complutense de Madrid20182018-01-1220182018-01-12doctoral thesishttp://purl.org/coar/resource_type/c_db06info:eu-repo/semantics/doctoralThesisapplication/pdfhttps://hdl.handle.net/20.500.14352/15460reponame:Docta Complutenseinstname:Universidad Complutense de Madrid (UCM)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:docta.ucm.es:20.500.14352/154602026-06-02T12:44:21Z
dc.title.none.fl_str_mv Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
Development of efiicient algorithms for identifying users in computer access
title Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
spellingShingle Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
Guevara Maldonado, César Byron
004.421(043.3)
Inteligencia artificial (Informática)
1203.04 Inteligencia Artificial
title_short Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
title_full Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
title_fullStr Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
title_full_unstemmed Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
title_sort Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos
dc.creator.none.fl_str_mv Guevara Maldonado, César Byron
author Guevara Maldonado, César Byron
author_facet Guevara Maldonado, César Byron
author_role author
dc.contributor.none.fl_str_mv Santos Peñas, Matilde
López López, María Victoria
Universidad Complutense de Madrid
dc.subject.none.fl_str_mv 004.421(043.3)
Inteligencia artificial (Informática)
1203.04 Inteligencia Artificial
topic 004.421(043.3)
Inteligencia artificial (Informática)
1203.04 Inteligencia Artificial
description Actualmente los ciberataques son un problema serio y cada vez más frecuente en organizaciones, empresas e instituciones de todo el mundo. Se pueden definir como el acceso, transferencia o manipulación no autorizada de información de un ordenador o centro de datos. Los datos confidenciales en empresas y organizaciones incluyen propiedad intelectual, información financiera, información médica, datos personales de tarjetas de crédito y otros tipos de información dependiendo del negocio y la industria involucrada. En esta tesis se realizan varias contribuciones dentro del campo de Detección de Anomalías (AD), Sistema de Detección de Intrusos (IDS) y Detección de Fugas de Información (DLD). Una de las principales aportaciones común a los tres campos mencionados es el desarrollo de una estructura dinámica de datos para representar el comportamiento real y único de los usuarios, lo que permite que cada uno tenga una huella digital que lo identifica. Otras aportaciones están en la línea de la aplicación de técnicas de inteligencia artificial (IA), tanto en el procesamiento de los datos como en el desarrollo de meta clasificadores (combinación de varias técnicas de IA), por ejemplo: árboles de decisión C4.5 y UCS, máquinas de vectores soporte (SVM), redes neuronales, y técnicas como vecinos cercanos (K-NN), entre otras. Se han aplicado con buenos resultados a la detección de intrusos y han sido validadas con bases de datos públicas como Unix, KDD99, y con una base de datos gubernamental de la república del Ecuador. Dentro del campo de detección de anomalías, se han usado algoritmos bio-inspirados para la identificación de comportamientos anómalos de los usuarios, como los sistemas inmunes artificiales y la selección negativa, además de otros algoritmos de alineamiento de secuencias, como el de Knuth Morris Pratt, para identificar subsecuencias posiblemente fraudulentas. Finalmente, en el ámbito de detección de fugas de información, se han desarrollado algoritmos aplicando técnicas estadísticas como las cadenas de Markov a la secuencia de ejecución de tareas de un usuario en un sistema informático, obteniendo buenos resultados que han sido comprobados con bases de datos secuenciales públicas y privadas.
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-01-12
2018
2018-01-12
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.14352/15460
url https://hdl.handle.net/20.500.14352/15460
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Complutense de Madrid
publisher.none.fl_str_mv Universidad Complutense de Madrid
dc.source.none.fl_str_mv reponame:Docta Complutense
instname:Universidad Complutense de Madrid (UCM)
instname_str Universidad Complutense de Madrid (UCM)
reponame_str Docta Complutense
collection Docta Complutense
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869421648866705408
score 15.300719

Similares en LA Referencia