Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño
La variedad y la complejidad del tráfico actual en Internet superan lo imaginado por los diseñadores de su arquitectura. Detectar posibles ataques en la red requiere contar con tecnologías para su clasificación, asociando flujos de datos con las aplicaciones que los generan. Uno de los desafíos actu...
Guardado en:
Autores principales: | , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2016
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/56370 |
Aporte de: |
id |
I19-R120-10915-56370 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas tráfico de red procesamiento de imágenes SIFT |
spellingShingle |
Ciencias Informáticas tráfico de red procesamiento de imágenes SIFT Barrionuevo, Mercedes Lopresti, Mariela Miranda, Natalia Carolina Piccoli, María Fabiana Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
topic_facet |
Ciencias Informáticas tráfico de red procesamiento de imágenes SIFT |
description |
La variedad y la complejidad del tráfico actual en Internet superan lo imaginado por los diseñadores de su arquitectura. Detectar posibles ataques en la red requiere contar con tecnologías para su clasificación, asociando flujos de datos con las aplicaciones que los generan. Uno de los desafíos actuales es trabajar con un conjunto de datos que crece a mayor velocidad que su capacidad de procesamiento. Utilizar y procesar imágenes para representar el tráfico de red a fin de detectar tráfico anómalo, tiene como ventajas no sólo contar con una herramienta de visualización de tráfico, sino también con las propiedades de las imágenes y su procesamiento: técnicas bien conocidas y naturaleza paralela de las computaciones. Este trabajo presenta la arquitectura de una herramienta eficiente para detectar anomalías en el tráfico de una red mediante un trabajo computacional sobre imágenes y aplicando técnicas de computación de alto desempeño, mostrando algunos resultados. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Barrionuevo, Mercedes Lopresti, Mariela Miranda, Natalia Carolina Piccoli, María Fabiana |
author_facet |
Barrionuevo, Mercedes Lopresti, Mariela Miranda, Natalia Carolina Piccoli, María Fabiana |
author_sort |
Barrionuevo, Mercedes |
title |
Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
title_short |
Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
title_full |
Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
title_fullStr |
Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
title_full_unstemmed |
Un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
title_sort |
un enfoque para la detección de anomalías en el tráfico de red usando imágenes y técnicas de computación de alto desempeño |
publishDate |
2016 |
url |
http://sedici.unlp.edu.ar/handle/10915/56370 |
work_keys_str_mv |
AT barrionuevomercedes unenfoqueparaladetecciondeanomaliaseneltraficoderedusandoimagenesytecnicasdecomputaciondealtodesempeno AT loprestimariela unenfoqueparaladetecciondeanomaliaseneltraficoderedusandoimagenesytecnicasdecomputaciondealtodesempeno AT mirandanataliacarolina unenfoqueparaladetecciondeanomaliaseneltraficoderedusandoimagenesytecnicasdecomputaciondealtodesempeno AT piccolimariafabiana unenfoqueparaladetecciondeanomaliaseneltraficoderedusandoimagenesytecnicasdecomputaciondealtodesempeno |
bdutipo_str |
Repositorios |
_version_ |
1764820477130309632 |