Resumen

En la actualidad, la privacidad de los usuarios es un asunto crítico en las redes sociales multimedia. Sin embargo, las técnicas tradicionales de detección de anomalías de aprendizaje automático que se basan en archivos de registro de usuarios y patrones de comportamiento no son suficientes para preservarla. Por lo tanto, la seguridad de las redes sociales debería contar con múltiples medidas de seguridad para tener en cuenta información adicional y proteger los datos de los usuarios. Más precisamente, los modelos de control de acceso podrían complementar los algoritmos de aprendizaje automático en el proceso de preservación de la privacidad. Los modelos podrían utilizar información adicional derivada de los perfiles de usuarios para detectar usuarios anómalos. En este documento, implementamos un algoritmo de preservación de la privacidad que incorpora técnicas de detección de anomalías de aprendizaje automático supervisadas y no supervisadas con modelos de control de acceso. Debido a las políticas ricas y detalladas, nuestro modelo de control actualiza continuamente la lista de atributos utilizados para clasificar a los usuarios.

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Privacidad de los usuarios; Redes sociales multimedia; Técnicas de detección de anomalías mediante aprendizaje automático; Modelos de control de acceso; Algoritmo de preservación de la privacidad; Aprendizaje automático supervisado y no supervisado.
• Keywords:Users privacy; Multimedia social networks; Machine learning anomaly detection techniques; Access control models; Privacy preservation algorithm; Supervised and unsupervised machine learning