Modelo de redes neuronales para la detección y mitigación de ataques de amplificación de DNS en la UNACH

Abstract

El presente trabajo de investigación se centra en el desarrollo de un modelo de redes neuronales para la detección y mitigación de ataques de amplificación de DNS, un tipo de ciberataque que puede comprometer la seguridad de las redes informáticas. A través de una investigación experimental, se diseñó y entrenó un modelo de aprendizaje automático que permite identificar el tráfico malicioso en tiempo real. La investigación se llevó a cabo en un entorno simulado utilizando GNS3, donde se implementaron diversas técnicas de recolección de datos y se definieron las variables clave para el análisis. Las variables identificadas fueron el protocolo, la longitud y la información del paquete, las cuales fueron recolectadas mediante la herramienta Wireshark para su posterior análisis. Los resultados obtenidos demostraron que el modelo tiene una alta capacidad de generalización, con una precisión cercana al 99.8% en la clasificación de tráfico normal y de ataque, indicando su efectividad en la detección de amenazas. Este estudio no solo contribuye al campo de la ciberseguridad, sino que también proporciona una base sólida para futuras investigaciones en la mitigación de ataques informáticos, destacando la importancia de utilizar tecnologías avanzadas como las redes neuronales en la protección de infraestructuras críticas.