La búsqueda de anomalías en el tráfico de red

Hoy en día, las redes de Internet son una parte integral de nuestra vida y negocio. Para los proveedores de Internet, una parte significativa de las ganancias depende del nivel de satisfacción del cliente. Por lo tanto, el monitoreo y control de anomalías en la red juega un papel clave en la mejora de la calidad de la experiencia del usuario. Este documento brinda un análisis comparativo de la creación de un modelo de aprendizaje automático utilizando algoritmos de clasificación y agrupamiento para analizar anomalías en el tráfico de red. En este trabajo se utilizaron algoritmos como el gradient boosting y el Clustering Espacial Basado en Densidad de Aplicaciones con Ruido (DBSCAN). También se describirá la eficiencia de estos algoritmos en términos de trabajo con datos de redes de Internet. Además, la solución final se presentará como dos modelos diferentes entrenados utilizando Jupyter Notebook y la plataforma de aplicación de inteligencia artificial (IA) de bajo código de la empresa "AiB" (en adelante, Razum AI). También se presentará un análisis comparativo de la velocidad de desarrollo utilizando estas plataformas, así como la efectividad de los modelos resultantes. Así, el segundo objetivo del documento es comparar las plataformas de aprendizaje automático mencionadas anteriormente.