MODELO DE DETECCION Y REDUCCION DE ATAQUES PHISHING MEDIANTE TECNICAS DE MACHINE LEARNING

Abstract

El estudio se centra en la problemática relacionada con el trabajo, específicamente en la detección y reducción de ataques phishing mediante el uso de técnicas de aprendizaje automático. Otro factor significativo que ha influido en este ámbito es la evolución tecnológica en los últimos años, lo cual ha generado la necesidad de crear un modelo de detección capaz de identificar los ataques fraudulentos perpetrados por cibercriminales. Dado el enfoque en las URL, que en la actualidad son ampliamente utilizadas por personas de todo el mundo como medio de comunicación y ayuda para resolver problemas cotidianos, surge la necesidad de proponer una solución que abarque la implementación y el estudio de una disciplina tecnológica interesante: la detección de ataques fraudulentos. Para desarrollar el modelo, se emplearon técnicas de aprendizaje automático y se utilizaron herramientas de desarrollo, entre las que destacan Python y Anaconda. Python es un lenguaje de programación de alto nivel que se eligió debido a su sintaxis sencilla y a las numerosas funciones que facilitan el desarrollo del modelo. Por otro lado, Anaconda es un programa que permite realizar entrenamientos para redes neuronales y proporciona paquetes y funciones que agilizan el proceso de creación del modelo. Además, se aplicaron metodologías tanto de predicción con redes neuronales como de ingeniería de software, e incluso se emplearon metodologías para evaluar la calidad del prototipo.