Resumen

Las nuevas vulnerabilidades y los ataques de red en constante evolución representan grandes amenazas para la seguridad cibernética actual. La detección de anomalías en el tráfico de red es una técnica prometedora y efectiva para mejorar la seguridad de la red. Además de las técnicas tradicionales de análisis estadístico y detección basada en reglas, se han introducido modelos de aprendizaje automático para la detección inteligente de datos de tráfico anómalos. En este documento, se propone un modelo novedoso llamado SVM-C para la detección de anomalías en el tráfico de red. Las URL en el registro de tráfico de red se transforman en vectores de características mediante leyes estadísticas y proyección lineal. Los vectores de características obtenidos se introducen en un clasificador de máquina de vectores de soporte (SVM) y se clasifican como normales o anormales. Basándonos en la idea de SVM y agrupamiento, construimos un modelo de optimización para entrenar los parámetros del método de extracción de características y el clasificador de tr

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Vulnerabilidades; Ataques a la red; Detección de anomalías; Modelos de aprendizaje automático; SVM-C; Vectores de características
• Keywords:Vulnerabilities; Network attacks; Anomaly detection; Machine learning models; SVM-C; Feature vectors