RT info:eu-repo/semantics/bachelorThesis
T1 WatchdogAI: detección de ataques de intrusión mediante inteligencia artificial
A1 Vara Lamúa, Adrián
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Ciberseguridad
K1 Inteligencia artificial
K1 Ataques de intrusión
K1 Machine learning
AB En un contexto de creciente digitalización y sofisticación de los ciberataques, los sistemas tradicionales dedetección de intrusiones, basados en firmas estáticas, resultan insuficientes para hacer frente a amenazas nuevaso desconocidas. Este trabajo surge con la motivación de explorar alternativas más adaptativas mediante el usode inteligencia artificial.El objetivo principal ha sido evaluar comparativamente distintos algoritmos de aprendizaje automático aplicados a la detección de intrusiones en redes, con el fin de identificar cuál ofrece el mejor equilibrio entre precisión, eficiencia computacional y robustez frente a clases desbalanceadas. Para ello, se ha llevado a cabo unestudio del estado del arte, la selección y preprocesamiento del dataset CIC-IDS2017, y la implementación deun sistema modular que permite entrenar y evaluar modelos como Random Forest, XGBoost, SVM y MLP endistintos escenarios de clasificación.Los resultados obtenidos muestran que XGBoost destaca como el modelo más eficaz, manteniendo un altorendimiento incluso al reducir el número de características a las 30 más relevantes. En conclusión, este trabajodemuestra la viabilidad del uso de técnicas de aprendizaje automático en sistemas de detección de intrusiones,sentando una base sólida para el desarrollo de soluciones más inteligentes, escalables y adaptadas a entornosreales.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79270
UL https://uvadoc.uva.es/handle/10324/79270
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 12-ene-2026