Resumen

En la era del Internet de las Cosas (IoT), el impacto de las redes sociales está aumentando gradualmente. Con el gran avance en los dispositivos de IoT, la amenaza interna se está volviendo mucho más peligrosa. Tratando de identificar qué tipo de personas tienen un alto riesgo para la organización, alrededor de un millón de tweets fueron analizados mediante la metodología de análisis de sentimientos. Se utilizó un conjunto de datos creado por el servicio web Sentiment140 para encontrar posibles amenazas internas maliciosas. Basándose en el análisis del nivel de sentimiento, los usuarios con sentimientos negativos fueron clasificados según los criterios y luego seleccionados como posibles amenazas internas maliciosas según el nivel de amenaza. Se utilizaron algoritmos de aprendizaje automático en el software de aprendizaje automático de código abierto Weka (Waikato Environment for Knowledge Analysis) para encontrar posibles amenazas internas maliciosas. El Árbol de Decisión tuvo la mayor precisión entre los algoritmos de aprendizaje supervisado y K-Means tuvo

• Materias:Cifrado de búsqueda Ataque criptográfico Seguridad en Internet
• Subjects:Search encryption Cryptographic attack Internet Security
• Palabras claves:Redes sociales; Amenazas internas; Análisis de sentimientos; Aprendizaje automático; árbol de decisión; Modelado temático
• Keywords:Social media; Insider threat; Sentiment analysis; Machine learning; Decision tree; Topic modeling