Abstract:
En el contexto actual, la clasificación precisa de aplicaciones en el tráfico de red representa
un desafío significativo para garantizar el funcionamiento óptimo y seguro de las redes.
Este proyecto involucró un estudio exhaustivo sobre la clasificación de aplicaciones en el
tráfico de red, adoptando un enfoque de granularidad fina en el conjunto de datos. Se
extrajeron flujos de datos utilizando el software CICflowMeter, con dos ajustes de tiempo
de espera de flujo diferentes: 120 segundos y 15 segundos. Con el objetivo de lograr una
clasificación efectiva, se aplicó la metodología SEMMA y se emplearon cuatro algoritmos
de aprendizaje supervisado: Máquina de Vectores de Soporte (Support Vector Machine,
SVM), Árbol de Decisión (Decision Tree, DT), Bosque Aleatorio (Random Forest, RF) y
K-Vecinos más Cercanos (K-Nearest Neighbors, KNN). Estos algoritmos se utilizaron con
dos grupos de características diferentes: uno con 25 características y otro con 15
características.
