Resumen

El objetivo del aprendizaje automático es desarrollar algoritmos que puedan aprender de datos y resolver problemas específicos en algún contexto, como lo hacen los humanos. Este documento presenta algunos modelos de aprendizaje automático aplicados al sistema de detección de intrusiones en redes WiFi. En primer lugar, presentamos un agrupamiento semisupervisado incremental basado en un grafo. El agrupamiento incremental o agrupamiento de una sola pasada es muy útil cuando trabajamos con flujos de datos o datos dinámicos. De hecho, para el agrupamiento tradicional como K-means, Fuzzy C-Means, DBSCAN, etc., se han desarrollado muchas versiones de agrupamiento incremental. Sin embargo, hasta donde sabemos, no existe un agrupamiento semisupervisado incremental en la literatura. En segundo lugar, al combinar un algoritmo K-means y una medida de puntuación de densidad local, proponemos un algoritmo rápido de detección de valores atípicos, llamado FLDS. La complejidad de FLDS es mientras que los resultados obtenidos son comparables con el algorit

• Materias:Redes Inalámbricas Teléfonos inteligentes Sistema de seguimiento Distribución de claves Enfoque estocástico
• Subjects:Wireless Networks Smart phones Tracking system Key distribution Stochastic approach
• Palabras claves:Aprendizaje automático; Algoritmos; Sistema de detección de intrusiones; Red WiFi; Agrupamiento incremental; Detección de valores atípicos
• Keywords:Machine learning; Algorithms; Intrusion detection system; WiFi network; Incremental clustering; Outlier detection