Look-up in Google Scholar
Full metadata record
Forero Vargas, Manuel Guillermo
Huaman Guerrero, Lili Yanina
Montalvan Ramos, Jesus Alexander
2024-11-25T14:35:28Z
2024-11-25T14:35:28Z
2024
https://hdl.handle.net/20.500.12802/13521
Los ataques DDoS, representan una amenaza significativa en el campo de la ciberseguridad, debido a su capacidad para interrumpir servicios legítimos y causar daños financieros y reputacionales. Estos ataques se efectúan al comprometer múltiples dispositivos que envían tráfico masivo para saturar los sistemas. A pesar de los avances en las tecnologías de protección y en las técnicas de mitigación, estos ataques siguen evolucionando y presentan desafíos constantes para la seguridad. Las técnicas de machine learning, como XGBoost , AdaBoost y perceptrón multicapa, se emplean se utilizan para mitigar y detener estos ataques. El perceptrón multicapa ha mostrado una alta precisión, alcanzando el 91,2%, mientras que otros modelos también ofrecen buenos resultados, pero con algunas limitaciones. La implementación de filtros adaptativos y estrategias de defensa en capas ha sido efectiva para reducir el tráfico de ataque y limitar el daño colateral. Eventos recientes, como el ataque DDoS a CloudFlare en 2023, que superó los 71 millones de solicitudes por segundo, demuestran la creciente sofisticación de estos ataques. A pesar de las medidas adoptadas, incluyendo modelos matemáticos y técnicas de aprendizaje automático para detectar ataques con alta precisión, la amenaza sigue siendo un desafío. Para enfrentar y mitigar los ataques DDoS de manera efectiva, es crucial combinar técnicas avanzadas de aprendizaje automático con estrategias de defensa en capas. (es_PE)
Trabajo de investigación (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Señor de Sipán (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (*)
Repositorio Institucional - USS (es_PE)
Repositorio Institucional USS (es_PE)
DDoS (es_PE)
Servidores web (es_PE)
Machine learning (es_PE)
Mitigación (es_PE)
Detección de ataques distribuidos de denegación de servicios en servidores web utilizando algoritmos de Machine Learning (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Señor de Sipán. Facultad de Ingeniería, Arquitectura y Urbanismo (es_PE)
Ingeniería de Sistemas (es_PE)
Bachiller en Ingeniería de Sistemas (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.04 (es_PE)
https://purl.org/pe-repo/renati/level#bachiller (es_PE)
https://orcid.org/0000-0001-9972-8621 (es_PE)
AV702661
71862573
77238711
612076 (es_PE)
https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons