Loading repository data…
Faridbg / repository
DISEÑO Y EVALUACIÓN DE REDES NEURONALES CONVOLUCIONALES PARA UN SISTEMA DE DETECCIÓN DE INTRUSIONES
DISEÑO Y EVALUACIÓN DE REDES NEURONALES CONVOLUCIONALES PARA UN SISTEMA DE DETECCIÓN DE INTRUSIONES.
Año a año, las comunicaciones entre equipos, personas, corporaciones, gobiernos o todo aquello que use cualquier mecanismo moderno para comunicarse con otra entidad ha crecido de manera exponencial. Vivir comunicados en un mundo globalizado es indispensable. Debido a ello, cada vez es más notorio la importancia de salvaguardar la seguridad de las comunicaciones frente al continuo crecimiento de los ataques cibernéticos. Estos ataques, día a día mejoran, se fortalecen y se hacen más difícilmente detectables frente a los equipos de ciberseguridad. Entre esos equipos, el IDS es materia de nuestro interés, siendo una herramienta fundamental para la detección de intrusiones en la red. Dicho equipo, a pesar de sus diversos beneficios, presenta ciertas carencias en algunos aspectos, entre la que destaca el alto ratio de falsos positivos que genera. Por ello, se vio necesario la utilización de otros mecanismos para paliar dicha carencia. Como resultado, este estudio pretende utilizar como IDS una red neuronal convolucional que mejore el resultado de los falsos positivos que vienen arrastrando los IDS tradicionales. Además, se evalúa nuestra red con otras dos redes neuronales: una red MLP y otra LSTM. Adicionalmente, se usan diferentes técnicas para procesar el set de datos que utilizamos (UNSW-NB15) para entrenar la red neuronal convolucional. Los resultados de este estudio reflejan una mejora notable en la tasa de falsos positivos con respecto a otras redes y estudios realizados, una mejora en la clasificación multiclase y una buena eficiencia de entrenamiento por parte de la red.
Tener descargado en el Google Drive los ficheros:
Se requiere vincular la cuenta de Google Drive a Google Colab
from google.colab import drive
drive.mount('/content/drive')
Selected from shared topics, language and repository description—not editorial ratings.
AlejandroMonteseirin /
Diseño y desarrollo en Python de una IA que decida la mejor jugada en el Tetris, empleando las técnicas de representación y búsqueda y/o planificación. Utilizar Jupyter Notebook para ejecutar el archivo Tetris.ipynb
Daferd /
En este Notebook de Jupyter se presenta el desarrollo teórico/practico referente al diseño de Filtros con respuesta Finita al Impulso (FIR), se analizó las principales características que definen este tipo de filtros, como el roll-off, el ripple, las frecuencias de corte, etc. y como el método de enventanado permite controlar estos parámetros.
kxordonez /
En base al dataset seleccionado por la docente usted debe proponer un modelo de Machine Learning (ML) para resolver el problema existente. Considere que usted/es deben seguir los pasos del notebook adjunto para el diseño del modelo de ML. Nombre archivo: [NRC_6262]_NombreApellido_PopQuiz1.ipynb Su notebook de jupyter debe ser versionado y deben agregar el link del dataset.