Resumen de Análisis comparativo y evaluación de la aplicación de técnicas deep learning a datasets de ciberseguridad
Xavier Larriva Novo, Mario Vega Barbas, Victor Abraham Villagrá González, Julio José Berrocal Colmenarejo
La ciberseguridad ha destacado en los últimos años con el objetivo de proteger los sistemas de información. Se han utilizado diversos métodos, técnicas y herramientas para obtener el mayor provecho de las vulnerabilidades existentes de estos sistemas. Por lo tanto, es imprescindible el desarrollo y mejora en nuevas tecnologías, así como de los sistemas de detección de intrusiones que permiten detectar posibles amenazas. Sin embargo, el uso de estas tecnologías requiere personal altamente cualificado en materia de ciberseguridad para analizar los resultados y mejorar la accuracy en sus resultados. Por lo tanto, esto genera la necesidad de investigar y desarrollar nuevos sistemas de ciberseguridad con altas prestaciones que permitan analizar y resolver de manera eficiente dichos resultados. Esta investigación presenta la aplicación de técnicas de aprendizaje automático para clasificación de tráfico real, con el objetivo de identificar posibles ataques. El estudio se ha realizado utilizando herramientas de aprendizaje automático aplicando algoritmos de tipo deep learning como multi layer perceptron y long short term memory. Adicionalmente, este documento presenta una comparación entre los resultados obtenidos por la aplicación de los algoritmos anteriormente mencionados y algoritmos que no son de tipo deep learning como: random forest y decision tree. Finalmente, se exponen los resultados obtenidos demostrando que el algoritmo long short term memory es el que brinda los mejores resultados en relación de accuracy y perdida logarítmica.
