Implementación de Modelos de Aprendizaje Supervisado para la Detección de Tráfico Malicioso

Resumen

 sistemas ha aumentado las amenazas cibernéticas y 
el tráfico malicioso, motivando el desarrollo de algoritmos 
basados en Inteligencia Artificial para su detección. Este 
estudio investiga métodos avanzados de Aprendizaje 
Automático para mejorar la seguridad, enfocándose en la 
eficacia de diferentes modelos en la detección de amenazas 
como ataques de denegación de servicio e intrusiones. Se 
utilizan datasets como KDD Cup 99 y Network Traffic Data
Malicious Activity Detection para experimentar distintos 
algoritmos. El análisis detallado de datos y la evaluación 
de algoritmos destacan la viabilidad de estas técnicas para 
fortalecer la ciberseguridad