Detección de Intrusiones en Redes y Clasificación de Anomalías

Una aplicación de software conocida como sistema de detección de intrusiones (IDS) se utiliza para monitorear redes en busca de actividades no autorizadas o maliciosas que puedan violar las políticas de seguridad relacionadas con la confidencialidad, integridad y disponibilidad del sistema. Nuestra tesis implicó la realización de amplias revisiones literarias sobre varios tipos de IDS, métodos de detección de anomalías y algoritmos de aprendizaje automático que pueden utilizarse para la detección y clasificación. Los IDS son cruciales para salvaguardar redes de comunicación avanzadas y se diseñaron inicialmente para identificar patrones específicos, firmas y violaciones de reglas. En años recientes, se han empleado enfoques de aprendizaje automático y profundo en el campo de la detección de intrusiones en redes, proporcionando alternativas prometedoras. Nuestro sistema propuesto implicó identificar características ruidosas a través de una intervención causal, conservando solo aquellas características que tenían una causación con ciberataques. El algoritmo de ML se utilizó luego para hacer una clasificación preliminar para seleccionar los tipos de ciberataques más relevantes, conduciendo finalmente a la detección de ciberataques únicos etiquetados a través del algoritmo de detección contrafactual. Palabras clave—Sistema de Detección de Intrusiones (IDS), detección de anomalías, algoritmos de aprendizaje automático, aprendizaje profundo, intervención causal, clasificación de ciberataques y detección contrafactual.