Mostrar el registro sencillo del ítem
dc.contributor.advisor | Monserrat Aranda, Carlos | es_ES |
dc.contributor.author | Palop Alcaide, Fernando | es_ES |
dc.date.accessioned | 2022-09-15T15:09:34Z | |
dc.date.available | 2022-09-15T15:09:34Z | |
dc.date.created | 2022-07-20 | |
dc.date.issued | 2022-09-15 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/186146 | |
dc.description.abstract | [ES] La investigación de los dominios que se conectan a las distintas organizaciones y su clasificación como benignos o maliciosos es una tarea que consume una enorme cantidad de recursos en un SOC. Este trabajo trata de facilitar esta tarea mediante su clasificación automática, basándose en técnicas de Machine Learning con aprendizaje supervisado. El objetivo es construir una herramienta que, dada una serie de dominios a investigar, obtenga información de fuentes abiertas y la compare con un set de entrenamiento para ofrecer la probabilidad de que estos dominios sean maliciosos o no. Los resultados de precisión obtenidos por el algoritmo desarrollado permiten concluir que esta técnica no solo es adecuada sino también muy efectiva, por lo que podría ser muy útil para ayudar a priorizar las investigaciones y optimizando así los recursos del SOC. | es_ES |
dc.description.abstract | [EN] The investigation of domains to establish whether they are dangerous or not for any organization network is a task that consumes a lot of resources within a SOC. This work tries to facilitate the task by making an automatic classification based on Machine Learning techniques with Supervised Learning. The objective is to build a tool that, given a domain list to investigate, obtains information from open sources and compares it with a training set to offer the probability that these domains are malicious or not. The precision results obtained by the developed algorithm allow us to conclude that this technique is not only adequate but also very effective, so it could be very useful to help prioritize investigations and thus optimize SOC resources. | es_ES |
dc.format.extent | 59 | es_ES |
dc.language | Español | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reserva de todos los derechos | es_ES |
dc.subject | Aprendizaje automático | es_ES |
dc.subject | Ciberseguridad | es_ES |
dc.subject | Ciberinteligencia | es_ES |
dc.subject | Aprendizaje supervisado | es_ES |
dc.subject | Clasificación | es_ES |
dc.subject | Dominio | es_ES |
dc.subject | Internet | es_ES |
dc.subject | Machine learning | es_ES |
dc.subject | Supervised learning | es_ES |
dc.subject | Cybersecurity | es_ES |
dc.subject | Classification | es_ES |
dc.subject | Domain | es_ES |
dc.subject | Regresión logística | es_ES |
dc.subject | Logistic regression | es_ES |
dc.subject.classification | LENGUAJES Y SISTEMAS INFORMATICOS | es_ES |
dc.subject.other | Máster Universitario en Ciberseguridad y Ciberinteligencia-Màster Universitari en Ciberseguretat i Ciberintel·ligència | es_ES |
dc.title | Predicción de dominios maliciosos utilizando técnicas de Machine Learning | es_ES |
dc.title.alternative | Predicting malicious domains using Machine Learning techniques | es_ES |
dc.title.alternative | Predicció de dominis maliciosos utilitzant tècniques de Machine Learning | es_ES |
dc.type | Tesis de máster | es_ES |
dc.rights.accessRights | Abierto | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Escola Tècnica Superior d'Enginyeria Informàtica | es_ES |
dc.description.bibliographicCitation | Palop Alcaide, F. (2022). Predicción de dominios maliciosos utilizando técnicas de Machine Learning. Universitat Politècnica de València. http://hdl.handle.net/10251/186146 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\149767 | es_ES |