Look-up in Google Scholar
Full metadata record
Arcila Diaz, Juan Carlos
Peralta Garcia, Edwin Jahir
Quevedo Monsalbe, Juan Carlos
2024-09-30T19:57:28Z
2024-09-30T19:57:28Z
2024
https://hdl.handle.net/20.500.12802/13203
Las inyecciones SQL (Structured Query Language) plantean una amenaza constante a los microservicios web, destacando la urgencia de una identificación eficiente para abordar esta vulnerabilidad. El presente estudio compara algoritmos de aprendizaje automático para la detección de inyecciones SQL en microservicios web, utilizando un dataset público de 22,749 datos. Se llevó a cabo una revisión literaria para identificar tipos de inyecciones SQL y algoritmos de aprendizaje automático. Se compararon los resultados de Random forest, Decision tree y Support Vector Machine. Los hallazgos indican que Random forest lidera con una precision y acurracy del 99%, recall del 97%, y F1-Score del 98%. En cambio, Decision tree obtiene una precision del 92%, recall del 86%, y F1-Score del 97%. SVM presenta una acurracy, precision y F1-Score del 98%, con un recall del 97%. En resumen, Random forest se destaca como óptimo para la detección de inyecciones SQL en microservicios web. (es_PE)
Tesis (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)
SQL injection (es_PE)
Aprendizaje automático (es_PE)
Algoritmos (es_PE)
Aplicaciones web (es_PE)
Técnicas (es_PE)
Análisis comparativo de algoritmos de aprendizaje automático para detectar ataques de SQLI en microservicios web (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)
Ingeniero 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#tituloProfesional (es_PE)
47715777
https://orcid.org/0000-0002-7788-951X (es_PE)
72517313
75724740
612076 (es_PE)
Atalaya Urrutia, Carlos William (es_PE)
Asenjo Carranza, Enrique David (es_PE)
Guevara Alburqueque, Laurita Belen (es_PE)
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



This item is licensed under a Creative Commons License Creative Commons