Sistema de detección de intrusos basado en deep learning

Este trabajo se centra en el desarrollo de un nuevo enfoque basado en aprendizaje profundo para implementar un sistema de detección de intrusos eficiente y flexible utilizando el enfoque de comportamiento y dirigido principalmente a infraestructuras críticas y sistemas de control industrial. Partiendo de la base de que modelar el comportamiento normal de la red de los sistemas de control industrial es factible y fiable, ya que las operaciones realizadas en estos sistemas son bastante estacionarias y repetitivas, se utilizan Redes Neuronales Convolucionales (CNN), una técnica de aprendizaje profundo, sobre el conjunto de datos NSL-KDD, un conjunto de datos de referencia utilizado para la implementación de sistemas de detección de intrusos. Se presenta el rendimiento del enfoque y se compara con algunos trabajos anteriores. Las métricas utilizadas incluyen el porcentaje de clasificación correcta, la precisión y los falsos positivos, lo que demuestra que el enfoque propuesto mejora el rendimiento de los sistemas anteriores.