Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.espe.edu.ec/handle/21000/25221
Título : | Diseño e implementación de un sistema de detección de intrusiones para redes Wifi usando herramientas de big data y machine learning |
Director(es): | Romero Gallardo, Carlos Gabriel |
Autor: | Naula López, Edgar Rodrigo |
Palabras clave : | REDES DE COMPUTADORAS MACHINE LEARNING REDES INALÁMBRICAS INTERNET DE LAS COSAS |
Fecha de publicación : | 2021 |
Editorial: | Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica y Telecomunicaciones |
Citación : | Naula López, Edgar Rodrigo (2021). Diseño e implementación de un sistema de detección de intrusiones para redes Wifi usando herramientas de big data y machine learning. Carrera de Ingeniería en Electrónica y Telecomunicaciones. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí |
Abstract: | Las redes inalámbricas Wifi hoy en día son las redes que más abundan debido a los beneficios que estas presentan, como son el de movilidad. Sin embargo, a pesar de que el estándar que define su funcionamiento, el estándar 802.11, se desarrolló hace muchos años, este todavía cuenta con falencias y vulnerabilidades que no han sido corregidas hasta el día de hoy. Hoy en día existen diferentes ataques a redes inalámbricas Wifi que comprometen uno de los aspectos claves que toda red debe poseer: disponibilidad. Ataques de denegación de servicio comprometen y entorpecen la comunicación entre los dispositivos que pertenecen a la red inalámbrica Wifi. Además de estos ataques de denegación de servicio, existen otros tipos de ataques que intentan apropiarse de los datos sensibles de los mismos, usando técnicas y métodos que engañan a los usuarios y hacen que estos se conecten a redes falsas creadas por atacantes. El presente proyecto tiene como objetivo diseñar e implementar un sistema de detección de intrusiones para detectar ataques a redes inalámbricas Wifi. Para la implementación del sistema se utilizó herramientas de Big Data como son: Apache Spark, Kafka y Elasticsearch. El sistema usa el modelo de machine learning, Random Forest, para clasificar todo el tráfico de la red y diferenciar tramas normales de las tramas maliciosas creadas por un atacante. Los resultados se analizan y visualizan en un Dashboard creado en Kibana. |
URI : | http://repositorio.espe.edu.ec/handle/21000/25221 |
Aparece en las colecciones: | Tesis - Carrera de Ingeniería en Electrónica y Telecomunicaciones |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
T-ESPE-044601.pdf | TRABAJO DE TITULACIÓN | 2,55 MB | Adobe PDF | Visualizar/Abrir |
T-ESPE-044601-D.pptx | DEFENSA | 3,61 MB | Microsoft Powerpoint XML | Visualizar/Abrir |
T-ESPE-044601-R.pdf | RESUMEN | 103,43 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.