Análisis dinámico de malware mediante algoritmos de detección basados en machine learning

Descripción del Articulo

Con el creciente uso de teléfonos móviles, el riesgo de infecciones de malware en estos dispositivos ha aumentado, lo que ha generado pérdidas económicas tanto para individuos como para organizaciones. Las investigaciones actuales se centran en la aplicación de aprendizaje automático para la detecci...

Descripción completa

Detalles Bibliográficos
Autor: Villarroel Enriquez, Erly Galia
Formato: tesis de grado
Fecha de Publicación:2025
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:inglés
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/22671
Enlace del recurso:https://hdl.handle.net/20.500.12724/22671
Nivel de acceso:acceso abierto
Materia:Malware (Programas de ordenador)
Seguridad informática
Aprendizaje automático
Algoritmos
https://purl.org/pe-repo/ocde/ford#2.02.04
id RULI_3a0b291064af8168e8ddbf0c19e9d283
oai_identifier_str oai:repositorio.ulima.edu.pe:20.500.12724/22671
network_acronym_str RULI
network_name_str ULIMA-Institucional
repository_id_str 3883
dc.title.es_PE.fl_str_mv Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
dc.title.alternative.en_EN.fl_str_mv Dynamic malware analysis using machine Learning-based detection algorithms
title Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
spellingShingle Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
Villarroel Enriquez, Erly Galia
Malware (Programas de ordenador)
Seguridad informática
Aprendizaje automático
Algoritmos
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
title_full Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
title_fullStr Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
title_full_unstemmed Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
title_sort Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
author Villarroel Enriquez, Erly Galia
author_facet Villarroel Enriquez, Erly Galia
author_role author
dc.contributor.advisor.fl_str_mv Gutiérrez Cárdenas, Juan Manuel
dc.contributor.author.fl_str_mv Villarroel Enriquez, Erly Galia
dc.subject.es_PE.fl_str_mv Malware (Programas de ordenador)
Seguridad informática
Aprendizaje automático
Algoritmos
topic Malware (Programas de ordenador)
Seguridad informática
Aprendizaje automático
Algoritmos
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description Con el creciente uso de teléfonos móviles, el riesgo de infecciones de malware en estos dispositivos ha aumentado, lo que ha generado pérdidas económicas tanto para individuos como para organizaciones. Las investigaciones actuales se centran en la aplicación de aprendizaje automático para la detección y clasificación de estos programas maliciosos. En este contexto, el presente trabajo utiliza la frecuencia de comportamientos observados dinámicamente para detectar y clasificar malware empleando los algoritmos XGBoost, LightGBM y random forest. Los mejores resultados se obtuvieron con el algoritmo LightGBM, alcanzando un 94,1 % de precisión y un 93,9 % en exactitud, recall y F1-score, lo que demuestra la efectividad tanto del aprendizaje automático como del análisis dinámico de malware para mitigar amenazas de seguridad en dispositivos móviles.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-05-21T00:21:43Z
dc.date.available.none.fl_str_mv 2025-05-21T00:21:43Z
dc.date.issued.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.none.fl_str_mv Tesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12724/22671
dc.identifier.isni.none.fl_str_mv 0000000121541816
url https://hdl.handle.net/20.500.12724/22671
identifier_str_mv 0000000121541816
dc.language.iso.none.fl_str_mv eng
language eng
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Lima
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad de Lima
dc.source.none.fl_str_mv reponame:ULIMA-Institucional
instname:Universidad de Lima
instacron:ULIMA
instname_str Universidad de Lima
instacron_str ULIMA
institution ULIMA
reponame_str ULIMA-Institucional
collection ULIMA-Institucional
bitstream.url.fl_str_mv https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/1/T018_70492085_T.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/2/FA_70492085.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/3/TURNITIN_DNI_70492085%20-%2020182063.pdf
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/4/T018_70492085_T.pdf.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/6/FA_70492085.pdf.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/8/TURNITIN_DNI_70492085%20-%2020182063.pdf.txt
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/5/T018_70492085_T.pdf.jpg
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/7/FA_70492085.pdf.jpg
https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/9/TURNITIN_DNI_70492085%20-%2020182063.pdf.jpg
bitstream.checksum.fl_str_mv c575ffeb49daa00f1b27c1cbe6b717df
af0a1b719cf4ef804928bb931c857e83
a05f67be13775a82731c39a9081c596e
03e7b07fd96843656e235e3519908c85
95dc26d15b4cc2f572527eb625edf73a
d3e1f18abcb7c098881f5688ba1b99aa
d39e45dc3cb11c7f4ce126c38c0af7ea
ed1f7806ae790f7ef478f786d1562939
20660ca20696876351eb8143a8d12961
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Universidad de Lima
repository.mail.fl_str_mv repositorio@ulima.edu.pe
_version_ 1844075779401449472
spelling Gutiérrez Cárdenas, Juan ManuelVillarroel Enriquez, Erly Galia2025-05-21T00:21:43Z2025-05-21T00:21:43Z2025https://hdl.handle.net/20.500.12724/226710000000121541816Con el creciente uso de teléfonos móviles, el riesgo de infecciones de malware en estos dispositivos ha aumentado, lo que ha generado pérdidas económicas tanto para individuos como para organizaciones. Las investigaciones actuales se centran en la aplicación de aprendizaje automático para la detección y clasificación de estos programas maliciosos. En este contexto, el presente trabajo utiliza la frecuencia de comportamientos observados dinámicamente para detectar y clasificar malware empleando los algoritmos XGBoost, LightGBM y random forest. Los mejores resultados se obtuvieron con el algoritmo LightGBM, alcanzando un 94,1 % de precisión y un 93,9 % en exactitud, recall y F1-score, lo que demuestra la efectividad tanto del aprendizaje automático como del análisis dinámico de malware para mitigar amenazas de seguridad en dispositivos móviles.With the increasing use of mobile phones, the risk of malware infections on these devices has risen, leading to financial losses for both individuals and organizations. Current research focuses on the application of machine learning for the detection and classification of these malicious programs. In this context, the present work uses the frequency of dynamically observed behaviors to detect and classify malware using the XGBoost, LightGBM, and random forest algorithms. The best results were obtained with the LightGBM algorithm, achieving 94.1% precision and 93.9% accuracy, recall, and F1-score, demonstrating the effectiveness of both machine learning and dynamic malware analysis in mitigating security threats on mobile devices.application/pdfengUniversidad de LimaPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Malware (Programas de ordenador)Seguridad informáticaAprendizaje automáticoAlgoritmoshttps://purl.org/pe-repo/ocde/ford#2.02.04Análisis dinámico de malware mediante algoritmos de detección basados en machine learningDynamic malware analysis using machine Learning-based detection algorithmsinfo:eu-repo/semantics/bachelorThesisTesisreponame:ULIMA-Institucionalinstname:Universidad de Limainstacron:ULIMASUNEDUTítulo ProfesionalIngeniería de SistemasUniversidad de Lima. Facultad de IngenieríaIngeniero de Sistemashttps://orcid.org/0000-0003-2566-46902951553961207670492085https://purl.org/pe-repo/renati/level#tituloProfesionalEscobedo Cárdenas, Edwin JonathanMore Sanchez, JavierGutiérrez Cárdenas, Juan Manuelhttps://purl.org/pe-repo/renati/type#tesisOIORIGINALT018_70492085_T.pdfT018_70492085_T.pdfTesisapplication/pdf304901https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/1/T018_70492085_T.pdfc575ffeb49daa00f1b27c1cbe6b717dfMD51FA_70492085.pdfFA_70492085.pdfAutorizaciónapplication/pdf226692https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/2/FA_70492085.pdfaf0a1b719cf4ef804928bb931c857e83MD52TURNITIN_DNI_70492085 - 20182063.pdfTURNITIN_DNI_70492085 - 20182063.pdfReporte de similitudapplication/pdf586236https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/3/TURNITIN_DNI_70492085%20-%2020182063.pdfa05f67be13775a82731c39a9081c596eMD53TEXTT018_70492085_T.pdf.txtT018_70492085_T.pdf.txtExtracted texttext/plain14159https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/4/T018_70492085_T.pdf.txt03e7b07fd96843656e235e3519908c85MD54FA_70492085.pdf.txtFA_70492085.pdf.txtExtracted texttext/plain4284https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/6/FA_70492085.pdf.txt95dc26d15b4cc2f572527eb625edf73aMD56TURNITIN_DNI_70492085 - 20182063.pdf.txtTURNITIN_DNI_70492085 - 20182063.pdf.txtExtracted texttext/plain17769https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/8/TURNITIN_DNI_70492085%20-%2020182063.pdf.txtd3e1f18abcb7c098881f5688ba1b99aaMD58THUMBNAILT018_70492085_T.pdf.jpgT018_70492085_T.pdf.jpgGenerated Thumbnailimage/jpeg10087https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/5/T018_70492085_T.pdf.jpgd39e45dc3cb11c7f4ce126c38c0af7eaMD55FA_70492085.pdf.jpgFA_70492085.pdf.jpgGenerated Thumbnailimage/jpeg20862https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/7/FA_70492085.pdf.jpged1f7806ae790f7ef478f786d1562939MD57TURNITIN_DNI_70492085 - 20182063.pdf.jpgTURNITIN_DNI_70492085 - 20182063.pdf.jpgGenerated Thumbnailimage/jpeg7645https://repositorio.ulima.edu.pe/bitstream/20.500.12724/22671/9/TURNITIN_DNI_70492085%20-%2020182063.pdf.jpg20660ca20696876351eb8143a8d12961MD5920.500.12724/22671oai:repositorio.ulima.edu.pe:20.500.12724/226712025-09-17 13:54:54.068Repositorio Universidad de Limarepositorio@ulima.edu.pe
score 13.023852
Análisis dinámico de malware mediante algoritmos de detección basados en machine learning
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares