2026-06-08T22:08:30Zhttps://docta.ucm.es/rest/oai/requestoai:docta.ucm.es:20.500.14352/31962023-09-06T21:36:05Zcom_20.500.14352_1col_20.500.14352_8
Análisis de tráfico de Dispositivos Móviles mediante Técnicas de Aprendizaje Automático Supervisado
Movile Device Traffic analysis with Supervised Machine Learning Techniques
Gálvez Santamaria, Marcos
Martín-Salas Gesteira, Patricia
Ramírez Martínez, Carlos
García Villalba, Luis Javier
Martínez Hernández, Luis Alberto
004(043.3)
Análisis forense
Identificación
Aplicaciones
Deep learning
Redes neuronales
Inteligencia artificial.
Forensics analysis
Identification
Mobile device
Neural networks
Artificial inteligence.
Informática (Informática)
1203.17 Informática
Trabajo de Fin de Doble Grado en Administración y Dirección de Empresas - Ingeniería Informática, Facultad de Informática UCM, Departamento de Ingeniería del Software e Inteligencia Artificial, Curso 2021/2022
Este proyecto, está destinado a desarrollar una herramienta que implemente el Machine Learning y el Deep learning para el análisis de tráfico. Es decir, aportar una aplicación de investigación al análisis forense con el fin de perseguir los ciberataques. Dado a las ventajas que aporta Python, se ha optado por ser el lenguaje de desarrollo de este proyecto haciendose uso de las diferentes libreria que contiene como Keras y Tensor Flow.
This project, is intended to develop a tool which implements machine learning and deep learning to analyze the network´s traffic. This means, contribute with an application that investigates the cyber attacks. Due to the advantages of Python, its have been selected to be the language in which the project has been develop, using the different libraries it contains such as Keras and Tensor Flow.
Depto. de Ingeniería de Software e Inteligencia Artificial (ISIA)
Fac. de Informática
TRUE
unpub
2023-06-16T13:23:33Z
2023-06-16T13:23:33Z
2022-06
bachelor thesis
https://hdl.handle.net/20.500.14352/3196
XXXX-XXXX
spa
Atribución-NoComercial 3.0 España
https://creativecommons.org/licenses/by-nc/3.0/es/
restricted access
application/pdf