Thesis:
Implementación de un sistema de detección de amenazas en tiempo real basado en machine learning para análisis de tráfico Netflow

Loading...
Thumbnail Image

Date

2026

Journal Title

Journal ISSN

Volume Title

Degree

Magíster en Tecnologías de la Información

Campus

Campus Casa Central Valparaíso

Publisher

Universidad Técnica Federico Santa María

Abstract

Diseño, implementación y evaluación de un sistema que detecta amenazas en tiempo real analizando tráfico de red NetFlow/IPFIX con aprendizaje automático. Una arquitectura de microservicios en contenedores captura las exportaciones de equipos de distintos fabricantes, las normaliza, las clasifica con un modelo XGBoost, las almacena en PostgreSQL y las presenta en Grafana. El modelo se entrenó con el corpus CICIDS2017, pese a sus defectos de construcción documentados, y se evaluó en dos escenarios: fuera de línea, sobre el corpus etiquetado, y en un prototipo de laboratorio, sobre tráfico real. Sobre el corpus, tras descartar las variables que acertaban por esos defectos, redujo cerca de un 70 % la carga de triaje —alertas revisadas por cada amenaza real— frente a reglas estáticas. En el prototipo, el 84,5 % de sus alertas fueron amenazas reales, pero su cobertura fue baja (3.1%), porque el sondeo sin respuesta no está en el corpus; una segunda capa de detección por agregados la elevó sustancialmente. El trabajo concluye que el aprendizaje automático es útil como mecanismo de priorización, y que su límite está en la correspondencia entre los datos de entrenamiento y la telemetría observada, de donde se deriva una hoja de ruta de mejora.

Description

Keywords

Microservicios, Ciberseguridad, Detección de amenazas, Aprendizaje automático, Análisis de tráfico de red, Sistemas de detección de intrusione

Citation