Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/75971
Title: Estudio de algoritmos de Machine Learning para clasificación de tráfico de red de datos TCP/IP
Authors: Hurtado Bolívar, Jorge
Director: Pérez Carballo, Pedro Francisco 
León Martín, Sonia Raquel 
UNESCO Clasification: 3325 Tecnología de las telecomunicaciones
Issue Date: 2019
Abstract: 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.
Faculty: Escuela de Ingeniería de Telecomunicación y Electrónica
URI: http://hdl.handle.net/10553/75971
Appears in Collections:Trabajo final de grado
Thumbnail
Adobe PDF (3,24 MB)
This file is reserved to the following groups: autenticados
Show full item record

Page view(s)

23
checked on Feb 21, 2021

Download(s)

3
checked on Feb 21, 2021

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.