En la era de las tecnologías avanzadas, los ataques DDoS han ganado en accesibilidad y prevalencia. La capacidad de identificar estos ataques se ha vuelto vital, ya que, aunque muchos no logran causar daños graves o robar información, los que lo hacen pueden generar daños significativos en la infraestructura y poner en peligro la seguridad de las personas, especialmente si afectan a equipos críticos.
El aumento exponencial de dispositivos IoT en nuestra sociedad actual ha incrementado considerablemente el número de posibles víctimas de estos ataques. La conectividad extendida de estos dispositivos los hace vulnerables y, a su vez, incrementa el riesgo de que los sistemas sean deshabilitados o dañados.
A pesar de los avances en ciberseguridad, aún no estamos completamente equipados para detectar todos los ataques DDoS. Este trabajo se enfocará en analizar estos ataques y propondrá una solución para su detección mediante el uso de herramientas de aprendizaje automático, con el objetivo de mejorar la seguridad y la resiliencia de los sistemas conectados.
Abstract:
With the increasing access to advanced technologies, it has become progressively easier to perpetrate a DDoS attack. Therefore, the task of detecting when an attack of this nature is being carried out against a system has become increasingly crucial.
Although this type of attack can be underestimated at first, as many do not succeed in damaging a machine or they do not aim to steal data or information, these attacks, if carried out under the right circumstances, can cause damage to the infrastructure. This can even put people at risk if certain critical equipment is damaged.
This is a serious problem considering the context of our current society, where the use of IoT devices has significantly increased. Consequently, there are many devices connected to the network and thus many potential victims of these attacks.
Unfortunately, we are still not ready to detect these attacks on all occasions, and therefore, as I have already mentioned, systems can be disabled or damaged by these attacks. This paper will address these attacks and attempt to provide a solution for their detection using machine learning tools.
En la era de las tecnologías avanzadas, los ataques DDoS han ganado en accesibilidad y prevalencia. La capacidad de identificar estos ataques se ha vuelto vital, ya que, aunque muchos no logran causar daños graves o robar información, los que lo hacen pueden generar daños significativos en la infraestructura y poner en peligro la seguridad de las personas, especialmente si afectan a equipos críticos.
El aumento exponencial de dispositivos IoT en nuestra sociedad actual ha incrementado considerablemente el número de posibles víctimas de estos ataques. La conectividad extendida de estos dispositivos los hace vulnerables y, a su vez, incrementa el riesgo de que los sistemas sean deshabilitados o dañados.
A pesar de los avances en ciberseguridad, aún no estamos completamente equipados para detectar todos los ataques DDoS. Este trabajo se enfocará en analizar estos ataques y propondrá una solución para su detección mediante el uso de herramientas de aprendizaje automático, con el objetivo de mejorar la seguridad y la resiliencia de los sistemas conectados.
Abstract:
With the increasing access to advanced technologies, it has become progressively easier to perpetrate a DDoS attack. Therefore, the task of detecting when an attack of this nature is being carried out against a system has become increasingly crucial.
Although this type of attack can be underestimated at first, as many do not succeed in damaging a machine or they do not aim to steal data or information, these attacks, if carried out under the right circumstances, can cause damage to the infrastructure. This can even put people at risk if certain critical equipment is damaged.
This is a serious problem considering the context of our current society, where the use of IoT devices has significantly increased. Consequently, there are many devices connected to the network and thus many potential victims of these attacks.
Unfortunately, we are still not ready to detect these attacks on all occasions, and therefore, as I have already mentioned, systems can be disabled or damaged by these attacks. This paper will address these attacks and attempt to provide a solution for their detection using machine learning tools. Read More
Related posts:
Implementación de un sistema IA-NIDS para la detección de ataques en infraestructuras IoT
Explotación de vulnerabilidades de seguridad
A Machine-Learning-Based Cyberattack Detector for a Cloud-Based SDN Controller
Rotochamber: Función, mantenimiento y seguridad en vehículos pesados
Product spotlight on risk and threat monitoring
DDoS gang threatens to disrupt European elections