Sistema de detección de intrusiones basado en firmas y ML y asistido por LLM

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.

Grantor dc:publisher

Universitat Oberta de Catalunya (UOC)

Year dc:date.issued

2026

Author dc:creator

• Peña Doncel, Víctor

• IDS
• LLM
• machine learning
• aprendizaje automático
• detección
• intrusiones
• anomalías
• redes de comunicaciones
• Suricata
• Zeek
• ELK

Statement dc:rights

• CC BY-NC-ND

Licence dc:rights.uri

• https://creativecommons.org/licenses/by-nc-nd/4.0/

Language dc:language.iso

spa

Handle dc:identifier.uri

https://hdl.handle.net/10609/154157

OAI identifier oai:identifier

oai:openaccess.uoc.edu:10609/154157