Thesis: Implementación de un sistema de detección de amenazas en tiempo real basado en machine learning para análisis de tráfico Netflow
| datacite.subject.fos | Engineering and technology | |
| dc.contributor.department | Departamento de Informática | |
| dc.contributor.guia | Cañas Robles, Javier | |
| dc.coverage.spatial | Campus Casa Central Valparaíso | |
| dc.creator | Campos Oses, Fernando | |
| dc.date.accessioned | 2026-11-17T18:25:10Z | |
| dc.date.available | 2026-11-17T18:25:10Z | |
| dc.date.issued | 2026 | |
| dc.description.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. | es |
| dc.description.degree | Magíster en Tecnologías de la Información | |
| dc.driver | info:eu-repo/semantics/masterThesis | |
| dc.format.extent | 70 páginas | |
| dc.identifier.barcode | MP_FC_2026 | |
| dc.identifier.doi | 10.71959/69kq-dw14 | |
| dc.identifier.uri | https://cris.usm.cl/handle/123456789/7312 | |
| dc.identifier.uri | https://doi.org/10.71959/69kq-dw14 | |
| dc.language.iso | es | |
| dc.publisher | Universidad Técnica Federico Santa María | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/ | |
| dc.subject | Microservicios | |
| dc.subject | Ciberseguridad | |
| dc.subject | Detección de amenazas | |
| dc.subject | Aprendizaje automático | |
| dc.subject | Análisis de tráfico de red | |
| dc.subject | Sistemas de detección de intrusione | |
| dc.subject.ods | 9 Industria, innovación e infraestructura | |
| dc.title | Implementación de un sistema de detección de amenazas en tiempo real basado en machine learning para análisis de tráfico Netflow | |
| dc.type.driver | info:eu-repo/semantics/masterThesis | |
| dspace.entity.type | Tesis |
