Detección de anomalías basada en aprendizaje profundo: Revisión

RESUMEN La detección de anomalías es una técnica de Minería de Datos que permite el reconocimiento de nuevos patrones con comportamiento inusual, los cuales pueden ser traducidos como acciones no válidas o anómalas sobre los datos. La detección de anomalías ha permitido la identificación y prevenció...

Full description

Saved in:
Bibliographic Details
Published inRevista cubana de ciencias informáticas pp. 107 - 123
Main Authors López-Avila, Leyanis, Acosta-Mendoza, Niusvel, gago-Alonso, Andrés
Format Journal Article
LanguagePortuguese
Published Editorial Ediciones Futuro 01.09.2019
Subjects
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
COMPUTER SCIENCE, SOFTWARE ENGINEERING
detección de intrusiones
deep learning
Deep learning-based anomaly detection
fraud detection
Detección de anomalías basado en aprendizaje profundo
intrusion detection
detección de fraude
aprendizaje profundo
Online AccessGet full text

Cover

More Information
Summary:RESUMEN La detección de anomalías es una técnica de Minería de Datos que permite el reconocimiento de nuevos patrones con comportamiento inusual, los cuales pueden ser traducidos como acciones no válidas o anómalas sobre los datos. La detección de anomalías ha permitido la identificación y prevención de actividades maliciosas como fraude e intrusiones, entre otros. El uso de técnicas tradicionales para la detección de anomalías ha reportado muy buenos resultados. Sin embargo, en los últimos años se han reportado resultados de mayor relevancia mediante el uso de técnicas de aprendizaje profundo. El objetivo de este reporte es la revisión de los principales y más recientes métodos del estado-del-arte para la detección de anomalías (fraude e intrusiones) basados en aprendizaje profundo (en inglés: Deep Learning), los cuales categorizamos según el tipo de red profunda que utilizan.
ISSN:2227-1899