Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/75971
Título: Estudio de algoritmos de Machine Learning para clasificación de tráfico de red de datos TCP/IP
Autores/as: Hurtado Bolívar, Jorge Javier
Director/a : Pérez Carballo, Pedro Francisco 
Leon Martin, Sonia Raquel 
Clasificación UNESCO: 3325 Tecnología de las telecomunicaciones
Fecha de publicación: 2019
Resumen: En este trabajo se estudian las posibles utilidades de los algoritmos de Machine Learning en la clasificación de tráfico de red. Se pretende conseguir un sistema de clasificación que reciba información estadística sobre flujos de datos en la red como parámetros de entrada y dé como resultado la aplicación web de la que provienen. Para la construcción del clasificador es necesaria una fase de entrenamiento para el algoritmo, en la que se creará un modelo de predicción a partir de un gran conjunto de datos. Gran parte de este trabajo se centrará en el uso de árboles de decisión basados en entrenamiento supervisado por lo que será necesario que estos flujos de datos estén previamente clasificados por la aplicación de la que provienen. En este trabajo se detalla las complicaciones a la hora del desarrollo de modelos predictivos para el ámbito de red. Se emplean una serie de herramientas para la construcción y la evaluación de los árboles generados y los resultados obtenidos se utilizan para seleccionar los parámetros de red que optimicen el clasificador en cuanto a precisión y tiempo de cómputo. Se pretende averiguar hasta qué punto las técnicas de Machine Learning y, en concreto, los algoritmos basados en árboles de decisión, pueden sustituir a otras técnicas de clasificación de tráfico de red como DPI y obtener un sistema de predicción eficaz que mantenga un compromiso en cuanto al consumo de memoria y tiempo de cómputo.
Departamento: Departamento de Ingeniería Electrónica Y Automática
Facultad: Escuela de Ingeniería de Telecomunicación y Electrónica
Titulación: Grado en Ingeniería en Tecnologías de la Telecomunicación
URI: http://hdl.handle.net/10553/75971
Colección:Trabajo final de grado
miniatura
Adobe PDF (3,24 MB)
Inicia sesión para acceder

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Vista completa

Visitas

359
actualizado el 13-abr-2024

Descargas

142
actualizado el 13-abr-2024

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.