Resumen

El significativo desarrollo de las aplicaciones de Internet en los últimos 10 años ha resultado en la creciente necesidad de asegurar la red de información. Un sistema de detección de intrusiones es una defensa fundamental de la infraestructura de red que debe poder adaptarse al panorama de amenazas en constante evolución e identificar nuevos ataques que tengan baja tasa de falsas alarmas. Los investigadores han desarrollado varios métodos supervisados y no supervisados de las disciplinas de minería de datos y aprendizaje automático para que las anomalías puedan ser detectadas de manera confiable. Como un aspecto del aprendizaje automático, el aprendizaje profundo utiliza una estructura similar a la de una neurona para aprender tareas. Una técnica exitosa de aprendizaje profundo es la red neuronal convolucional (CNN); sin embargo, en la actualidad no es adecuada para detectar anomalías. Es más fácil identificar contenidos esperados dentro del flujo de entrada en las CNN, mientras que existen diferencias menores en las anomalías en comparación con el contenido normal. Esto sugiere que se requiere un método particular

• 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:Desarrollo significativo; Aplicaciones de internet; Sistema de detección de intrusos; Aprendizaje profundo; Red neuronal de convolución; Detección de anomalías.
• Keywords:Significant development; Internet applications; Intrusion detection system; Deep learning; Convolution neural network; Anomalies detection