Resumen

En seguridad informática, la detección de suplantación es un tipo especial de problema de detección de intrusiones. La detección efectiva y temprana de intrusiones es un factor crucial para la seguridad informática. Aunque se ha centrado considerable trabajo en la detección de suplantación durante más de una década, lograr un alto nivel de precisión y una tasa de falsas alarmas comparativamente baja sigue siendo un gran desafío. En este artículo, presentamos un estudio empírico exhaustivo en el área de la detección de suplantación basada en anomalías utilizando tres modelos de aprendizaje profundo, a saber, Redes Neuronales Profundas (DNN), Redes Neuronales Recurrentes de Memoria a Corto y Largo Plazo (LSTM-RNN) y Redes Neuronales Convolucionales (CNN). Para superar estudios previos sobre este tema, utilizamos tres conjuntos de datos basados en líneas de comandos de UNIX, con seis configuraciones de datos variantes implementadas a partir de ellos. Además, en este estudio se utilizaron enfoques está

• Materias:Cifrado de búsqueda Ataque criptográfico Seguridad en Internet
• Subjects:Search encryption Cryptographic attack Internet Security
• Palabras claves:Seguridad informática; Detección de intrusos; Detección de máscaras; Modelos de aprendizaje profundo; Conjuntos de datos basados en líneas de comandos UNIX; Métricas de evaluación.
• Keywords:Computer security; Intrusion detection; Masquerade detection; Deep learning models; UNIX command line-based datasets; Evaluation metrics