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

datacite.subject.fosEngineering and technology
dc.contributor.departmentDepartamento de Informática
dc.contributor.guiaCañas Robles, Javier
dc.coverage.spatialCampus Casa Central Valparaíso
dc.creatorCampos Oses, Fernando
dc.date.accessioned2026-11-17T18:25:10Z
dc.date.available2026-11-17T18:25:10Z
dc.date.issued2026
dc.description.abstractDiseño, 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.degreeMagíster en Tecnologías de la Información
dc.driverinfo:eu-repo/semantics/masterThesis
dc.format.extent70 páginas
dc.identifier.barcodeMP_FC_2026
dc.identifier.doi10.71959/69kq-dw14
dc.identifier.urihttps://cris.usm.cl/handle/123456789/7312
dc.identifier.urihttps://doi.org/10.71959/69kq-dw14
dc.language.isoes
dc.publisherUniversidad Técnica Federico Santa María
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectMicroservicios
dc.subjectCiberseguridad
dc.subjectDetección de amenazas
dc.subjectAprendizaje automático
dc.subjectAnálisis de tráfico de red
dc.subjectSistemas de detección de intrusione
dc.subject.ods9 Industria, innovación e infraestructura
dc.titleImplementación de un sistema de detección de amenazas en tiempo real basado en machine learning para análisis de tráfico Netflow
dc.type.driverinfo:eu-repo/semantics/masterThesis
dspace.entity.typeTesis

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
MP_FC_2026.pdf
Size:
1.43 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: