Modelo predictivo de ciberataques en entornos de internet de las cosas
| dc.contributor.advisor | Emilio Rodrigo, Zhuma Mera | |
| dc.contributor.author | German Nelson, Arias Chevez | |
| dc.date.accessioned | 2024-08-22T16:58:56Z | |
| dc.date.available | 2024-08-22T16:58:56Z | |
| dc.date.issued | 2024 | |
| dc.description | Data Science allows, in Internet of Things environments, to detect and prevent cyber-attacks using the power of machine learning techniques to autonomously find the best solutions to solve the problems faced by devices in the face of cyber-attacks and vulnerabilities they possess. The CICIOT2023 dataset contains records of the different types of cyber-attacks targeting Internet of Things devices. The objective of the present research is to generate a predictive model by applying machine learning techniques to detect cyber-attacks in Internet of Things environments using the CICIOT2023 dataset, this work highlights the importance of predictive models to protect Internet of Things environments and reduce vulnerabilities by using machine learning and data mining techniques. Classification algorithms, machine learning regression and data mining techniques are applied with training and test data sets to perform predictive modeling of a variety of cyber-attacks. These attacks are categorized into seven families: Distributed Denial of Service (DDoS), Denial-of-Service (DoS), Reconnaissance, Web-based attacks, Brute Force, Spoofing and Mirai. In addition, data visualization algorithms are intended to be used to identify patterns that influence the security of protocols against cyber-attacks. The research results show the importance of a predictive model to maintain the security of IoT devices against the activities of cybercriminals, and thus protect and reduce vulnerabilities in Internet of Things environments. The research work developed can be very useful for those companies specialized in cybersecurity. | |
| dc.description.abstract | La Ciencia de Datos permite, en entornos de Internet de las Cosas, detectar y prevenir ciberataques utilizando el poder de las técnicas de aprendizaje automático para encontrar de forma autónoma las mejores soluciones para resolver los problemas que afrontan los dispositivos frente a los ciberataques y vulnerabilidades que poseen. El conjunto de datos CICIOT2023 contiene registros de los distintos tipos de ciberataques dirigidos a dispositivos de Internet de las Cosas. El objetivo de la presente investigación es generar un modelo predictivo aplicando técnicas de aprendizaje automático para detectar ciberataques en entornos de Internet de las Cosas utilizando el conjunto de datos de CICIOT2023, en este trabajo se destaca la importancia que tienen los modelos de predicción para proteger los entornos de Internet de las Cosas y reducir vulnerabilidades mediante el uso de técnicas de aprendizaje automático y minería de datos. Se aplican algoritmos de clasificación, regresión de aprendizaje automático y técnicas de minería de datos con conjuntos de datos de entrenamiento y pruebas, para llevar a cabo el modelado predictivo de una variedad de ciberataques. Estos ataques se categorizan en siete familias: Distributed Denial of Service (DDoS), Denial-of-Service (DoS), Reconocimiento, ataques basados en la web, Fuerza Bruta, Spoofing y Mirai. Además, se pretenda utilizar algoritmos de visualización de datos para identificar patrones que influyan en la seguridad de los protocolos frente a los ciberataques. Los resultados de la investigación muestran la importancia de un modelo predictivo para mantener la seguridad de los dispositivos de IoT frente a las actividades de los ciberdelincuentes, y de esta manera proteger y reducir vulnerabilidades en entornos de Internet de las Cosas. El proyecto de investigación desarrollado puede resultar de gran utilidad para aquellas empresas especializadas en ciberseguridad. | |
| dc.format.extent | 113 | |
| dc.identifier.citation | Arias Chevez, German Nelson (2024). Modelo predictivo de ciberataques en entornos de internet de las cosas. Quevedo. UTEQ. 113 paginas | |
| dc.identifier.other | 1300010 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/7823 | |
| dc.language.iso | spa | |
| dc.publisher | Quevedo: UTEQ | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | |
| dc.subject | Internet de las Cosas | |
| dc.subject | Ciberataques | |
| dc.subject | Ciberdelincuentes | |
| dc.subject | Aprendizaje automático | |
| dc.subject | Modelo predictivo | |
| dc.title | Modelo predictivo de ciberataques en entornos de internet de las cosas | |
| dc.type | masterThesis |
