Detección y clasificación de zero-day malware a través de data mining y machine learning

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2020.

Resumen -- 1. Introducción -- I Marco Teórico -- 2. Visión Histórica -- 2.1. Los riesgos inherentes de la tecnología -- 2.2. Los Ataques Informáticos y el Ciberdelito -- 2.3. Los avances en Inteligencia Artificial -- 2.3.1. Gran capacidad de almacenamiento -- 2.3.2. Alto poder de procesamiento -- 2.3.3. Software requerido -- 2.4. Resumen -- 3. Conceptos de Seguridad Informática -- 3.1. Hackers -- 3.2. Malware -- 3.2.1. Tipos de Malware -- 3.3. Métodos de detección -- 3.3.1. Análisis estático -- 3.3.2. Análisis dinámico -- 3.3.3. Signature-based vs behavior-based -- 3.3.4. La necesidad de Machine Learning -- 3.4. Resumen -- 4. Data Mining y Tratamiento de los Datos -- 4.1. El proceso del Data Mining -- 4.2. Obtención de los datos -- 4.2.1. Tipos de datos -- 4.3. Preprocesamiento de Datos -- 4.4. Selección e ingeniería de atributos -- 4.4.1. Ingeniería de atributos en datos categóricos -- 4.4.2. Normalización de atributos -- 4.4.3. Selección de atributos -- 4.5. Visualización de los datos -- 4.6. Resumen -- 5. Conceptos de Machine Learning -- 5.1. Definición -- 5.2. Surgimiento del Machine Learning -- 5.3. Etapas del proceso de Machine Learning -- 5.4. El conjunto de datos -- 5.5. Tipos de estimación -- 5.5.1. Predicciones -- 5.5.2. Inferencias -- 5.6. Métodos de estimación de f -- 5.6.1. Método paramétrico -- 5.6.2. Método no paramétrico -- 5.7. El balance entre precisión e interpretabilidad -- 5.8. Evaluación de la precisión de un modelo -- 5.8.1. Calidad del ajuste (Quality of fit) -- 5.8.2. Calidad de ajuste en clasificación -- 5.8.3. Overfitting y Underfitting -- 5.8.4. Balance entre sesgo y varianza -- 5.9. Clasificación de los métodos de aprendizaje -- 5.10. Categorización de los métodos de aprendizaje -- 5.11. Resumen -- 6. Modelos de Clasificación -- 6.1. Logistic Regression -- 6.2. k-Nearest Neighbors -- 6.3. Naıve Bayes -- 6.4. Support Vector Machines -- 6.5. Decisión Trees -- 6.6. Métodos de ensamble -- 6.6.1. Random Forest -- 6.6.2. XGBoost -- 6.7. Redes Neuronales Artificiales y Redes Neuronales Profundas -- 6.8. Evaluación de modelos de clasificación -- 6.8.1. Matriz de confusión -- 6.8.2. Receiver Operating Characteristic Curve -- 6.9. Resumen