Ponencia
Detección de actividad en redes de mensajería basada en Machine Learning
Autor/es | Mehavilla, Lorena
García, José Alesanco, Álvaro |
Coordinador/Director | Varela Vaca, Ángel Jesús
Ceballos Guerrero, Rafael Reina Quintero, Antonia María |
Fecha de publicación | 2024 |
Fecha de depósito | 2024-08-30 |
Publicado en |
|
ISBN/ISSN | 978-84-09-62140-8 |
Resumen | En este artículo, se presenta un nuevo método basado en el análisis del tráfico cifrado de red y su posterior clasificación mediante técnicas de Machine Learning. Su objetivo final es detectar la actividad de los usuarios ... En este artículo, se presenta un nuevo método basado en el análisis del tráfico cifrado de red y su posterior clasificación mediante técnicas de Machine Learning. Su objetivo final es detectar la actividad de los usuarios dentro de la aplicación WhatsApp, con el fin de identificar si han enviado o recibido mensajes de texto o multimedia. Para llevar a cabo el análisis del tráfico se emplea Zeek, un software de monitorización de tráfico que extrae las características más relevantes de los flujos de información presentes en dicho tráfico. Estas características son utilizadas para entrenar y evaluar distintas técnicas de Machine Learning, con el objetivo de discernir las acciones realizadas durante la comunicación. Nuestro método ha demostrado buenos resultados, con un valor de F1 superior al 97% en la detección tanto de texto como de mensajes multimedia. |
Cita | Mehavilla, L., García, J. y Alesanco, Á. (2024). Detección de actividad en redes de mensajería basada en Machine Learning. En Jornadas Nacionales de Investigación en Ciberseguridad (JNIC) (9ª.2024. Sevilla) (530-533), Sevilla: Universidad de Sevilla. Escuela Técnica Superior de Ingeniería Informática. |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
JNIC24_520 OK.pdf | 430.7Kb | [PDF] | Ver/ | |