Modelo FFNN-Bi-LSTM para evitar ataques de suplantación de identidad en la web como herramienta de protección para navegadores

• Autor: Oropeza Negrón, Carlos Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/165204
• Enlace del recurso: https://hdl.handle.net/20.500.12692/165204
• Nivel de acceso: acceso abierto
• Materia: Deep learning; Phishing; URL; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación tiene como objetivo general construir un modelo FFNN-Bi-LSTM para evitar ataques de suplantación de identidad en la web mediante navegadores. Gracias a ello, este trabajo contribuye al Objetivo de Desarrollo Sostenible (ODS) número 9, que se refiere a “Construir infraestructuras resilientes, promover la industrialización sostenible y fomentar la innovación”. Para poder cumplir estos objetivos, la investigación sigue un enfoque cuantitativo de tipo aplicada, utilizando como muestra cuatro arquitecturas de Deep Learning y cuatro conjuntos de datos. La construcción del modelo FFNN-Bi-LSTM logró valores porcentuales mayores al 95% en las métricas de desempeño evaluadas en los experimentos. En conclusión, la arquitectura FFNN-Bi-LSTM propuesta en el presente estudio demuestra métricas positivas para prevenir ataques de suplantación de identidad en la web mediante navegadores.