Modelo para la detección de escaneo de puertos de la computadora en una red WLAN

Abstract

El escaneo de puertos es uno de los ataques más sencillos de ejecutar. Mediante esta técnica se puede saber que puertos están abiertos, filtrados o cerrados dentro de una red o una computadora. A su vez hoy en día una computadora en una WLAN de un hogar común es ahora uno de los puntos más vulnerables para una institución a este ataque pues el trabajo remoto es más popular que nunca. La presente tesis combina dos áreas importantes en la actualidad, la seguridad informática y aprendizaje automático, en esta última área existen diferentes tipos de algoritmos de aprendizaje. Uno de ellos es el algoritmo de clasificación llamado Bagging. Este algoritmo se utiliza en nuestro estudio para la detección de escaneo de puertos, para lo cual se ha generado un conjunto de datos de transacciones de red que contienen diversos escaneos así como transacciones legítimas. Aplicando la metodología KDD, se aplicó una clasificación a los datos de entrenamiento, luego se realiza una codificación one-hot, y se reduce la dimensionaldad. Posteriormente se entrena el Algoritmo Bagging para detectar si una transacción es un escaneo o no. Los resultados obtenidos después de entrenamiento es de 99.96% de forma general, lo que nos da idea que el algoritmo de Bagging puede clasificar si un flujo de red es un escaneo o no. Se aplicaron las pruebas estadísticas de análisis de la matriz de confusión, gmean y error fuera de la bolsa para verificar la fiabilidad de los resultados obtenidos.