{"id":{"repo_id":"catalunya","oai_identifier":"oai:openaccess.uoc.edu:10609/154157"},"canonical_url":"https://search.dev.ndltd.org/etd/catalunya/oai:openaccess.uoc.edu:10609/154157","repository":{"repo_id":"catalunya","name":"Universitat Oberta de Catalunya","base_url":"https://openaccess.uoc.edu/server/oai/request"},"display":{"title":"Sistema de detección de intrusiones basado en firmas y ML y asistido por LLM","abstract":"En la actualidad, debido a la creciente complejidad en los ciberataques, se está poniendo de manifiesto las limitaciones de los Sistemas de Detección de Intrusiones (IDS) tradicionales que se basan en firmas o reglas estáticas. Estos sistemas IDS siguen siendo efectivos frente a amenazas conocidas, pero presentan limitaciones frente a ataques de tipo Zero-day, técnicas avanzadas de ofuscación, etc. Por este motivo es necesaria su evolución hacia arquitecturas inteligentes, adaptativas y comprensibles. En este TFG se presenta el diseño e implementación de un IDS inteligente, en el que se van a integrar datos de IDS tradicionales (Suricata y Zeek) junto con algoritmos de aprendizaje automático (Random Forest e Isolation Forest) y modelos IA (LLM). El objetivo es mejorar la detección de anomalías en el tráfico de red, así como la generación de explicaciones automáticas que sean comprensibles en el análisis de las alertas. La propuesta se validará haciendo uso tanto de datasets de referencia (UNSW-NB15 y CICIDS-2018) como de pruebas mediante la simulación de ataques en un entorno de laboratorio.","abstract_html":"En la actualidad, debido a la creciente complejidad en los ciberataques, se está poniendo de manifiesto las limitaciones de los Sistemas de Detección de Intrusiones (IDS) tradicionales que se basan en firmas o reglas estáticas. Estos sistemas IDS siguen siendo efectivos frente a amenazas conocidas, pero presentan limitaciones frente a ataques de tipo Zero-day, técnicas avanzadas de ofuscación, etc. Por este motivo es necesaria su evolución hacia arquitecturas inteligentes, adaptativas y comprensibles. En este TFG se presenta el diseño e implementación de un IDS inteligente, en el que se van a integrar datos de IDS tradicionales (Suricata y Zeek) junto con algoritmos de aprendizaje automático (Random Forest e Isolation Forest) y modelos IA (LLM). El objetivo es mejorar la detección de anomalías en el tráfico de red, así como la generación de explicaciones automáticas que sean comprensibles en el análisis de las alertas. La propuesta se validará haciendo uso tanto de datasets de referencia (UNSW-NB15 y CICIDS-2018) como de pruebas mediante la simulación de ataques en un entorno de laboratorio.","abstract_has_math":false,"creators":["Peña Doncel, Víctor"],"institution":"Universitat Oberta de Catalunya (UOC)","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026-01-11","date_published":"2026-01-11","updated_at":"2026-07-27T19:07:02Z","subjects":["IDS","LLM","machine learning","aprendizaje automático","detección","intrusiones","anomalías","redes de comunicaciones","Suricata","Zeek","ELK"],"languages":["spa"],"rights":["CC BY-NC-ND"],"rights_urls":["https://creativecommons.org/licenses/by-nc-nd/4.0/"],"identifier_entries":[]},"links":{"outbound_url":"https://hdl.handle.net/10609/154157","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Peña Doncel, Víctor"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2026-02-04T19:15:08Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2026-02-04T19:15:08Z"]},{"key":"dc:date.issued","label":"Date","values":["2026-01-11"]},{"key":"dc:publisher","label":"Institution","values":["Universitat Oberta de Catalunya (UOC)"]},{"key":"dc:type","label":"Dc Type","values":["info:eu-repo/semantics/bachelorThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["IDS","LLM","machine learning","aprendizaje automático","detección","intrusiones","anomalías","redes de comunicaciones","Suricata","Zeek","ELK"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["spa"]},{"key":"dc:rights","label":"Dc Rights","values":["CC BY-NC-ND"]},{"key":"dc:rights.uri","label":"Rights URI","values":["https://creativecommons.org/licenses/by-nc-nd/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/10609/154157"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["En la actualidad, debido a la creciente complejidad en los ciberataques, se está poniendo de manifiesto las limitaciones de los Sistemas de Detección de Intrusiones (IDS) tradicionales que se basan en firmas o reglas estáticas. Estos sistemas IDS siguen siendo efectivos frente a amenazas conocidas, pero presentan limitaciones frente a ataques de tipo Zero-day, técnicas avanzadas de ofuscación, etc. Por este motivo es necesaria su evolución hacia arquitecturas inteligentes, adaptativas y comprensibles. En este TFG se presenta el diseño e implementación de un IDS inteligente, en el que se van a integrar datos de IDS tradicionales (Suricata y Zeek) junto con algoritmos de aprendizaje automático (Random Forest e Isolation Forest) y modelos IA (LLM). El objetivo es mejorar la detección de anomalías en el tráfico de red, así como la generación de explicaciones automáticas que sean comprensibles en el análisis de las alertas. La propuesta se validará haciendo uso tanto de datasets de referencia (UNSW-NB15 y CICIDS-2018) como de pruebas mediante la simulación de ataques en un entorno de laboratorio.","At present, due to the increasing complexity of cyberattacks, the limitations of traditional Intrusion Detection Systems (IDS) based on signatures or static rules are becoming evident. These IDS systems remain effective against known threats but show significant limitations against Zero-day attacks, advanced obfuscation techniques, and similar threats. For this reason, their evolution toward intelligent, adaptive, and understandable architectures is necessary. This TFG presents the design and implementation of an intelligent IDS, in which data from traditional IDS tools (Suricata and Zeek) will be integrated with machine learning algorithms (Random Forest and Isolation Forest) and AI models (LLMs). The goal is to improve anomalies detection in network traffic, as well as to generate automatic explanations that are understandable for alert analysis. The proposed system will be validated using both reference datasets (UNSW-NB15 and CICIDS-2018) and tests through simulated attacks in a laboratory environment."]},{"key":"dc:format.mimetype","label":"Dc Format Mimetype","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Sistema de detección de intrusiones basado en firmas y ML y asistido por LLM"]}]}],"canonical_facts":{"dc:creator":["Peña Doncel, Víctor"],"dc:date.accessioned":["2026-02-04T19:15:08Z"],"dc:date.available":["2026-02-04T19:15:08Z"],"dc:date.issued":["2026-01-11"],"dc:description.abstract":["En la actualidad, debido a la creciente complejidad en los ciberataques, se está poniendo de manifiesto las limitaciones de los Sistemas de Detección de Intrusiones (IDS) tradicionales que se basan en firmas o reglas estáticas. Estos sistemas IDS siguen siendo efectivos frente a amenazas conocidas, pero presentan limitaciones frente a ataques de tipo Zero-day, técnicas avanzadas de ofuscación, etc. Por este motivo es necesaria su evolución hacia arquitecturas inteligentes, adaptativas y comprensibles. En este TFG se presenta el diseño e implementación de un IDS inteligente, en el que se van a integrar datos de IDS tradicionales (Suricata y Zeek) junto con algoritmos de aprendizaje automático (Random Forest e Isolation Forest) y modelos IA (LLM). El objetivo es mejorar la detección de anomalías en el tráfico de red, así como la generación de explicaciones automáticas que sean comprensibles en el análisis de las alertas. La propuesta se validará haciendo uso tanto de datasets de referencia (UNSW-NB15 y CICIDS-2018) como de pruebas mediante la simulación de ataques en un entorno de laboratorio.","At present, due to the increasing complexity of cyberattacks, the limitations of traditional Intrusion Detection Systems (IDS) based on signatures or static rules are becoming evident. These IDS systems remain effective against known threats but show significant limitations against Zero-day attacks, advanced obfuscation techniques, and similar threats. For this reason, their evolution toward intelligent, adaptive, and understandable architectures is necessary. This TFG presents the design and implementation of an intelligent IDS, in which data from traditional IDS tools (Suricata and Zeek) will be integrated with machine learning algorithms (Random Forest and Isolation Forest) and AI models (LLMs). The goal is to improve anomalies detection in network traffic, as well as to generate automatic explanations that are understandable for alert analysis. The proposed system will be validated using both reference datasets (UNSW-NB15 and CICIDS-2018) and tests through simulated attacks in a laboratory environment."],"dc:format.mimetype":["application/pdf"],"dc:identifier.uri":["https://hdl.handle.net/10609/154157"],"dc:language.iso":["spa"],"dc:publisher":["Universitat Oberta de Catalunya (UOC)"],"dc:rights":["CC BY-NC-ND"],"dc:rights.uri":["https://creativecommons.org/licenses/by-nc-nd/4.0/"],"dc:subject":["IDS","LLM","machine learning","aprendizaje automático","detección","intrusiones","anomalías","redes de comunicaciones","Suricata","Zeek","ELK"],"dc:title":["Sistema de detección de intrusiones basado en firmas y ML y asistido por LLM"],"dc:type":["info:eu-repo/semantics/bachelorThesis"]},"updated_at":"2026-07-27T19:07:02Z"}