Resumen

Los usuarios y los proveedores de servicios de Internet (ISP) son constantemente afectados por ataques de denegación de servicio (DoS). Esta amenaza cibernética continúa creciendo incluso con el desarrollo de nuevas tecnologías de protección. Desarrollar mecanismos para detectar esta amenaza es un desafío actual en la seguridad de redes. Este artículo presenta un sistema de detección de DoS basado en aprendizaje automático (ML). El enfoque propuesto realiza inferencias basadas en firmas previamente extraídas de muestras de tráfico de red. Los experimentos se realizaron utilizando cuatro conjuntos de datos de referencia modernos. Los resultados muestran una tasa de detección en línea (DR) de ataques superior al 96%, con una alta precisión (PREC) y una baja tasa de falsas alarmas (FAR) utilizando una tasa de muestreo (SR) del 20% del tráfico de red.

• Materias:Cifrados de bloques Seguridad cibernética Malware Ocultación de datos Cifrado homomórfico
• Subjects:Block ciphers Cyber security Malware Data hiding Homomorphic encryption
• Palabras claves:Usuarios; Proveedores de servicios de internet; Ataques de denegación de servicio; Aprendizaje automático; Sistema de detección; Seguridad de la red
• Keywords:Users; Internet service providers; Denial-of-service attacks; Machine learning; Detection system; Network security