Busque entre los 167960 recursos disponibles en el repositorio
Mostrar el registro sencillo del ítem
dc.date.accessioned | 2021-04-16T12:07:17Z | |
dc.date.available | 2021-04-16T12:07:17Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | http://sedici.unlp.edu.ar/handle/10915/117193 | |
dc.description.abstract | Dado el constante incremento, tanto en número como en complejidad, de los ataques informáticos, los mecanismos convencionales de detección resultan ineficientes en la mayoría de los escenarios. En este contexto, la presente investigación propone determinar si técnicas de data mining y machine learning pueden ser utilizadas efectivamente para el entrenamiento de algoritmos capaces de detectar y clasificar correctamente nuevos tipos de amenazas. | es |
dc.language | es | es |
dc.subject | Machine learning | es |
dc.subject | malware | es |
dc.subject | seguridad informática | es |
dc.subject | Virus | es |
dc.subject | zero-day | es |
dc.subject | Data mining | es |
dc.subject | Inteligencia artificial | es |
dc.subject | redes neuronales | es |
dc.title | Detección y clasificación de zero-day malware a través de data mining y machine learning | es |
dc.type | Tesis | es |
sedici.creator.person | Recordon, Augusto | es |
sedici.creator.person | Ruiz Díaz, Silvia | es |
sedici.subject.materias | Ciencias Informáticas | es |
sedici.description.fulltext | true | es |
mods.originInfo.place | Facultad de Informática | es |
sedici.subtype | Tesis de grado | es |
sedici.rights.license | Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) | |
sedici.rights.uri | http://creativecommons.org/licenses/by-nc-sa/4.0/ | |
sedici.contributor.director | Pons, Claudia | es |
thesis.degree.name | Licenciado en Sistemas | es |
thesis.degree.grantor | Universidad Nacional de La Plata | es |
sedici.date.exposure | 2020-11-26 |