Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.unach.edu.ec/handle/51000/14528Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.advisor | Jinez Tapia, José Luis | - |
| dc.contributor.author | Suarez Oñate, Cristina Angelica | - |
| dc.date.accessioned | 2025-01-10T20:17:53Z | - |
| dc.date.available | 2025-01-10T20:17:53Z | - |
| dc.date.issued | 2025-01-10 | - |
| dc.identifier.citation | Suarez O., Cristina A. (2025) Modelo Zero Trust Access para la protección contra bots en Azure utilizando Redes Neuronales Recurrentes. (Tesis de grado). Universidad Nacional de Chimborazo. Riobamba, Ecuador. | es_ES |
| dc.identifier.issn | UNACH-EC-FI-ITINF | - |
| dc.identifier.uri | http://dspace.unach.edu.ec/handle/51000/14528 | - |
| dc.description | Malicious bots are a growing threat in the digital environment, especially for the security of online resources. This study addresses the problem of detecting malicious bots on the National University of Chimborazo website. This research aims to improve the protection of digital resources in academic environments. A model based on a recurrent neural network is proposed to detect these bots and is evaluated in terms of precision, recall, and F1 score. The results show a precision of 100%, a recall of 0.9998, and an F1-score of 0.9999, indicating that the model effectively detects malicious bots. These results can help implement more effective online security measures in academic institutions, providing an effective tool for early threat detection. | es_ES |
| dc.description.abstract | Los bots maliciosos son una amenaza creciente en el entorno digital, especialmente para la seguridad de los recursos en línea. Este estudio aborda el problema de detección de bots maliciosos en el sitio web de la Universidad Nacional de Chimborazo. La motivación de esta investigación es mejorar la protección de los recursos digitales en entornos académicos. Se propone un modelo basado en una red neuronal recurrente para detectar estos bots y se evalúa en términos de precisión, recall y F1- score. Los resultados muestran una precisión del 100 %, un recall de 0,9998 y un F1- score de 0,9999, lo que indica que el modelo es muy eficaz para detectar bots maliciosos. Estos resultados pueden ayudar a implementar medidas de seguridad en línea más efectivas en instituciones académicas, proporcionando una herramienta eficaz para la detección temprana de amenazas. | es_ES |
| dc.description.sponsorship | UNACH, Ecuador. | es_ES |
| dc.format.extent | 55 páginas. | es_ES |
| dc.language.iso | spa | es_ES |
| dc.publisher | Riobamba | es_ES |
| dc.rights | openAccess | es_ES |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/ec/ | es_ES |
| dc.subject | Bots maliciosos | es_ES |
| dc.subject | Azure | es_ES |
| dc.subject | Denegación de servicio | es_ES |
| dc.subject | Zero Trust Access | es_ES |
| dc.title | Modelo Zero Trust Access para la protección contra bots en Azure utilizando Redes Neuronales Recurrentes | es_ES |
| dc.type | bachelorThesis | es_ES |
| Aparece en las colecciones: | Ingeniería en Tecnologías de la Información | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| Suarez O., Cristina A, (2024) Modelo Zero Trust Access para la protección contra bots en Azure utilizando Redes Neuronales Recurrentes..pdf | 2,72 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.