RT info:eu-repo/semantics/bachelorThesis
T1 Técnicas de detección y mitigación de ransomware basadas en machine learning
A1 Sanz Martín, Adrián
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Ransomware
K1 Malware
K1 Ciberataque
AB En la actualidad, la detección de amenazas informáticas es un desafío creciente debido al constante aumentoen la cantidad y complejidad del malware. Este Trabajo de Fin de Grado se centra en el análisis, diseño y evaluación de diferentes modelos de deep learning aplicados a la detección y atribución de muestras de malware.Para ello, se ha llevado a cabo un proceso exhaustivo de conversión y preprocesamiento de las muestras, transformándolas en representaciones visuales capaces de ser interpretadas por arquitecturas de redes neuronales.A lo largo del proyecto se han entrenado y evaluado diversos modelos como CNN, Bi-LSTM, CNNBiLSTM y Bi-LSTM-GN, utilizando técnicas de validación cruzada y métricas estándar para comparar su rendimiento en tareas de clasificación binaria, multi-clase y de atribución por familia. Los resultados obtenidosdemuestran una mejora significativa en precisión y rendimiento a medida que se incorporan técnicas como lanormalización de gradientes o el uso de arquitecturas híbridas.Este trabajo no solo contribuye al ámbito académico y técnico con una propuesta efectiva para la detecciónde malware, sino que también ha permitido al autor adquirir una visión más profunda de los retos de la ciberseguridad y su impacto en la vida cotidiana, destacando la importancia de desarrollar soluciones automatizadas,precisas y escalables ante una amenaza digital en constante evolución.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79283
UL https://uvadoc.uva.es/handle/10324/79283
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 20-dic-2025