Resumen

Debido al crecimiento y la popularidad de Internet, la ciberseguridad sigue y seguir siendo un problema importante. Se han propuesto muchos mtodos de clasificacin del trfico de red o enfoques de identificacin de malware para resolver este problema. Sin embargo, los mtodos existentes no son adecuados para ayudar a los expertos en seguridad a resolver eficazmente este reto debido a su baja precisin y a su elevada tasa de falsos positivos. Con este fin, empleamos un mtodo de clasificacin basado en el aprendizaje automtico para identificar el malware. El enfoque extrae caractersticas del trfico de red y reduce la dimensionalidad de las caractersticas, lo que puede mejorar eficazmente la precisin de la identificacin. Adems, proponemos un algoritmo SVM mejorado para clasificar el trfico de red, denominado Optimized Facile Support Vector Machine (OFSVM). El algoritmo OFSVM resuelve el problema de que el algoritmo SVM original no es satisfactorio para la clasificacin desde dos aspectos, a saber, la optimizacin de los parmetros y la seleccin de la funcin kernel. Por lo tanto, en este artculo, presentamos un enfoque para la identificacin de malware en el trfico de red, denominado Identificacin de Malware en el Trfico de Red (NTMI). Para evaluar la eficacia del enfoque NTMI propuesto en este artculo, recopilamos cuatro conjuntos de datos de trfico de red reales y utilizamos un conjunto de datos CAIDA disponible pblicamente para nuestros experimentos. Los resultados de la evaluacin sugieren que el enfoque NTMI puede conducir a una mayor precisin al tiempo que logra una menor tasa de falsos positivos en comparacin con otros mtodos de identificacin. De media, el enfoque NTMI alcanza una precisin del 92,5% y una tasa de falsos positivos del 5,527%.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Crecimiento; Internet; Ciberseguridad; Tráfico de red; Identificación de malware; Basado en aprendizaje automático;
• Keywords:Growth; Internet; Cyber security; Network traffic; Malware identification; Machine learning-based;