Mostrar el registro sencillo del ítem
dc.contributor | Escuela de Ingenierias Industrial, Informática y Aeroespacial | es_ES |
dc.contributor.author | Escudero García, David | |
dc.contributor.author | Castro García, Noemí de | |
dc.contributor.author | Carriegos Vieira, Miguel | |
dc.contributor.editor | Fuentes, José María de | |
dc.contributor.editor | González, Lorena | |
dc.contributor.editor | Sancho, José Carlos | |
dc.contributor.editor | Ayerbe, Ana | |
dc.contributor.editor | Escalante, María Luisa | |
dc.contributor.other | Matematica Aplicada | es_ES |
dc.date | 2022-06 | |
dc.date.accessioned | 2024-05-03T12:44:37Z | |
dc.date.available | 2024-05-03T12:44:37Z | |
dc.identifier.citation | Escudero García, D., DeCastro García, N., & V. Carriegos, M. (2022). Extracción de variables para caracterización multi-clase de la severidad de IPs. En J. M. de Fuentes, L. González Manzano, J. C. Sancho Núñez, A. Ayerbe, & L. M. Alcocer Escalante (eds.), Investigación en Ciberseguridad Actas de las VII Jornadas Nacionales (7º.2022.Bilbao) (pp. 14-21). Fundación Tecnalia Research and Innovation. | es_ES |
dc.identifier.isbn | 978-84-88734-13-6 | es_ES |
dc.identifier.other | https://2022.jnic.es/Actas_JNIC_2022_v11.pdf | es_ES |
dc.identifier.uri | https://hdl.handle.net/10612/20308 | |
dc.description.abstract | [ES] Determinar la severidad de un incidente de ciberseguridad es fundamental para establecer medidas efectivas contra el mismo. En este contexto, el aprendizaje automático es utilizado para crear modelos capaces de clasificar y predecir la peligrosidad de los eventos de ciberseguridad. Uno de los aspectos más importantes en el uso de este tipo de técnicas es la extracción de variables que permitan obtener modelos eficientes. El objetivo de este trabajo es construir un conjunto de variables o features que caracterice la maliciosidad de una dirección IP de manera multi-clase. La configuración final son 23 variables: 18 de ellas obtenidas mediante series temporales y listas de reputación, y 5 relacionadas con la geolocalización de la IP. No solo se han extraído las features, sino que se ha realizado un análisis estadístico para estudiar su adecuación y optimización. En el caso de las variables de geolocalización, por los posibles cambios que pueden sufrir en el tiempo. En el caso de las series temporales, por los hiper-parámetros inherentes a la construcción de las variables. | es_ES |
dc.language | spa | es_ES |
dc.publisher | Fundación Tecnalia Research and Innovation | es_ES |
dc.relation.ispartof | Investigación en Ciberseguridad. Actas de las VII Jornadas Nacionales (7º.2022.Bilbao) | es_ES |
dc.rights | Atribución 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
dc.subject | Estadística | es_ES |
dc.subject | Informática | es_ES |
dc.subject | Ingeniería de sistemas | es_ES |
dc.subject.other | Severidad | es_ES |
dc.subject.other | Aprendizaje automático | es_ES |
dc.subject.other | Selección de variables | es_ES |
dc.subject.other | Direcciones IP | es_ES |
dc.title | Extracción de variables para caracterización multi-clase de la severidad de IPs | es_ES |
dc.type | info:eu-repo/semantics/conferenceProceedings | es_ES |
dc.relation.projectID | Este trabajo se enmarca dentro de los contratos art. 83 Adenda 3: Machine learning para la calidad de los datos del modelo de inteligencia de INCIBE y Adenda 7: Prórroga de la Adenda 3 entre la Universidad de León e INCIBE en el periodo 2018-2022. Además, queremos agradecer a Diego Asterio de Zaballa el trabajo realizado en RIASC desde septiembre de 2020 a septiembre de 2021 y que forma parte de esta investigación | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.page.initial | 14 | es_ES |
dc.page.final | 21 | es_ES |
dc.subject.unesco | 1203.17 Informática | es_ES |
dc.subject.unesco | 1207.15 Fiabilidad de Sistemas | es_ES |
dc.subject.unesco | 1209.01 Estadística Analítica | es_ES |
dc.description.project | Instituto Nacional de Ciberseguridad | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Capítulos de monografías [1547]