Detección de ataques distribuidos de denegación de servicios en servidores web utilizando algoritmos de Machine Learning

• Autores: Huaman Guerrero, Lili Yanina, Montalvan Ramos, Jesus Alexander
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/13521
• Enlace del recurso: https://hdl.handle.net/20.500.12802/13521
• Nivel de acceso: acceso abierto
• Materia: DDoS; Servidores web; Machine learning; Mitigación; https://purl.org/pe-repo/ocde/ford#2.02.04

Los ataques DDoS, representan una amenaza significativa en el campo de la ciberseguridad, debido a su capacidad para interrumpir servicios legítimos y causar daños financieros y reputacionales. Estos ataques se efectúan al comprometer múltiples dispositivos que envían tráfico masivo para saturar los sistemas. A pesar de los avances en las tecnologías de protección y en las técnicas de mitigación, estos ataques siguen evolucionando y presentan desafíos constantes para la seguridad. Las técnicas de machine learning, como XGBoost , AdaBoost y perceptrón multicapa, se emplean se utilizan para mitigar y detener estos ataques. El perceptrón multicapa ha mostrado una alta precisión, alcanzando el 91,2%, mientras que otros modelos también ofrecen buenos resultados, pero con algunas limitaciones. La implementación de filtros adaptativos y estrategias de defensa en capas ha sido efectiva para reducir el tráfico de ataque y limitar el daño colateral. Eventos recientes, como el ataque DDoS a CloudFlare en 2023, que superó los 71 millones de solicitudes por segundo, demuestran la creciente sofisticación de estos ataques. A pesar de las medidas adoptadas, incluyendo modelos matemáticos y técnicas de aprendizaje automático para detectar ataques con alta precisión, la amenaza sigue siendo un desafío. Para enfrentar y mitigar los ataques DDoS de manera efectiva, es crucial combinar técnicas avanzadas de aprendizaje automático con estrategias de defensa en capas.