Desarrollo de algoritmos eficientes para identificación de usuarios en accesos informáticos

  1. GUEVARA MALDONADO, CESAR BYRON
Dirigée par:
  1. María Victoria López López Directeur/trice
  2. Matilde Santos Peñas Directrice

Université de défendre: Universidad Complutense de Madrid

Fecha de defensa: 22 juin 2017

Jury:
  1. Daniel Gómez González President
  2. Luis Garmendia Salvador Secrétaire
  3. Maria da Conceição de Oliveira Nunes Rocha Rapporteur
  4. Jorge Ramió Aguirre Rapporteur
  5. Pedro Larrañaga Múgica Rapporteur
Département:
  1. Arquitectura de Computadores y Automática

Type: Thèses

Résumé

Actualmente los ciberataques son un problema serio y cada vez más frecuente en organizaciones, empresas e instituciones de todo el mundo. Se pueden definir como el acceso, transferencia o manipulación no autorizada de información de un ordenador o centro de datos. Los datos confidenciales en empresas y organizaciones incluyen propiedad intelectual, información financiera, información médica, datos personales de tarjetas de crédito y otros tipos de información dependiendo del negocio y la industria involucrada. En esta tesis se realizan varias contribuciones dentro del campo de Detección de Anomalías (AD), Sistema de Detección de Intrusos (IDS) y Detección de Fugas de Información (DLD). Una de las principales aportaciones común a los tres campos mencionados es el desarrollo de una estructura dinámica de datos para representar el comportamiento real y único de los usuarios, lo que permite que cada uno tenga una huella digital que lo identifica. Otras aportaciones están en la línea de la aplicación de técnicas de inteligencia artificial (IA), tanto en el procesamiento de los datos como en el desarrollo de meta clasificadores (combinación de varias técnicas de IA), por ejemplo: árboles de decisión C4.5 y UCS, máquinas de vectores soporte (SVM), redes neuronales, y técnicas como vecinos cercanos (K-NN), entre otras. Se han aplicado con buenos resultados a la detección de intrusos y han sido validadas con bases de datos públicas como Unix, KDD99, y con una base de datos gubernamental de la república del Ecuador. Dentro del campo de detección de anomalías, se han usado algoritmos bio-inspirados para la identificación de comportamientos anómalos de los usuarios, como los sistemas inmunes artificiales y la selección negativa, además de otros algoritmos de alineamiento de secuencias, como el de Knuth Morris Pratt, para identificar subsecuencias posiblemente fraudulentas. Finalmente, en el ámbito de detección de fugas de información, se han desarrollado algoritmos aplicando técnicas estadísticas como las cadenas de Markov a la secuencia de ejecución de tareas de un usuario en un sistema informático, obteniendo buenos resultados que han sido comprobados con bases de datos secuenciales públicas y privadas. Palabras clave: Detección de Anomalías, Sistema de Detección de Intrusos, Detección de Fugas de Información, Inteligencia Artificial.