Universidad Santo Tomás
El proyecto se aboca a establecer mejoras al algoritmo clasificador de Especies Indicadoras Artificiales (EIA), con el objetivo de disminuir la complejidad temporal y espacial, permitiendo una efectiva implementación en ambientes de producción.
El objetivo del proyecto consiste en mejorar el modelo de Especies Indicadoras Artificiales (EIA), logrando con esto resultados competitivos con respecto a algoritmos clasificadores en el estado del arte de la detección de intrusos en redes de computadoras.
El modelo EIA, corresponde al desarrollo de un Sistema de Detección de Anomalías en flujo (SDAF), basado en conceptos a Vida Artificial y Sistemas Inmunes Artificiales, que ha demostrado tener buenos resultados comparados con otras técnicas de machine learning en términos de reducción de falsos positivos y de exactitud, para escenarios de prueba basados en Benchmark estándar del área.
En términos simples el modelo EIA corresponde al desarrollo de una algoritmo clasificador que aprende de forma autónoma a diferenciar un flujo de eventos normales de los que son anormales.
Este trabajo se hace necesario debido a que el actual modelo EIA ha sido desarrollado en base a herramientas de prototipado de alto nivel, no teniendo la eficiencia necesaria para ser puesto a nivel de producción. Por lo cual, este proyecto busca desarrollar un algoritmo computacionalmente eficiente en base al modelo EIA.
El proyecto de mejoramiento del modelo EIA contempla la simplificación de este tomando como base una migración del dominio de Modelos Basados en Agentes al de Autómatas Celulares. Por otro lado, una vez migrado el modelo, se considera la aplicación de técnicas de Meta-Aprendizaje para la calibración de parámetros del modelo.ales.
*Foto principal: Interfaz del nuevo prototipo de Especies Indicadoras Artificiales (EIA) en desarrollo dentro del proyecto.
