Detección de ataques DrDos mediante redes neuronales

Abstract

En la era digital actual, la ciberseguridad es de vital importancia, y las tecnologías de aprendizaje automático representan una herramienta prometedora para abordar los desafíos asociados con la identificación y mitigación de amenazas. El presente Trabajo de Fin de Grado se enfoca en la aplicación de redes neuronales para la detección de ataques DrDoS (Denegación de Servicio Distribuido Reflejado) en un conjunto de datos de conexiones a una red. A lo largo de este trabajo, hemos explorado diversas herramientas, incluyendo aquellas relacionadas con la generación de casos sintéticos, y otras para optimizar los hiperparámetros (parámetros establecidos antes del entrenamiento y que afectan al proceso de entrenamiento y al rendimiento del modelo) de las redes neuronales. El estudio se centra en un amplio conjunto de datos que abarca tanto conexiones benignas como posibles ataques, con el propósito de ofrecer una comprensión profunda de cómo las redes neuronales, combinadas con herramientas innovadoras, pueden fortalecer la seguridad de las redes al aprender patrones intrincados y comportamientos maliciosos. Al concluir este trabajo, esperamos contribuir al campo de la ciberseguridad, identificando enfoques innovadores que refuercen las defensas de las redes, garantizando la integridad y confidencialidad de la información en entornos digitales dinámicos y complejos.In today's digital age, cybersecurity is crucial, and machine learning technologies represent a promising tool to face the challenges associated with identifying and mitigating threats. This Final Degree Project focuses on the application of neural networks for detecting DrDoS (Distributed Reflected Denial of Service) attacks in a dataset of network connections. Through this project, we have explored different tools, including those related to generating synthetic cases and others for optimizing the hyperparameters (parameters set before training that affect the training process and model performance) of the neural networks. The study centers on a large dataset that includes both benign connections and potential attacks, aiming to provide a deep understanding of how neural networks, combined with innovative tools, can help network security by learning intricate patterns and malicious behaviors. By the end of this project, we hope to contribute to the field of cybersecurity by identifying innovative approaches that strengthen network defenses, ensuring the integrity and confidentiality of information in dynamic and complex digital environments.