Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube

Hoy en día la seguridad de la información y la preservación de los sistemas que administran esta información, se han convertido en uno de los aspectos más críticos que toda organización debe cuidar, es por esta razón que en las distintas universidades del país se está dando un enfoque más profundo a...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	López, Gabriel Vicente, Romero, Diego, Grisolia, Agustín
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2024
Materias:	Ciencias Informáticas Ciberseguridad Deep learning Sistemas embebidos
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/177012
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-177012
record_format	dspace
spelling	I19-R120-10915-1770122025-02-27T20:03:56Z http://sedici.unlp.edu.ar/handle/10915/177012 Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube López, Gabriel Vicente Romero, Diego Grisolia, Agustín 2024-10 2024 2025-02-27T16:33:12Z es Ciencias Informáticas Ciberseguridad Deep learning Sistemas embebidos Hoy en día la seguridad de la información y la preservación de los sistemas que administran esta información, se han convertido en uno de los aspectos más críticos que toda organización debe cuidar, es por esta razón que en las distintas universidades del país se está dando un enfoque más profundo a la investigación en esta disciplina. Dentro del marco de un proyecto de investigación de proyectos de I+D. una de las líneas de trabajo se dedicó a estudiar en qué forma pueden ser atacadas las instituciones que utilizan servicios en la nube. Los profesores o alumnos en la Universidad al descargar contenedores disponibles en la nube para realizar cualquier tipo de actividad académica o de investigación, ya sea enseñar, realizar prácticas o ejercicios, etc., desconocen que estos contenedores fueron previamente embebidos a propósito con algún software de uso legal, pero el cual es utilizado con fines personales para obtener beneficios propios, sin que el usuario se percate de que su organización está siendo comprometida. Este caso particular de estudio está enfocado en el empleo de los pools de minería. Los pools de minería son una agrupación de mineros que cooperan con el objetivo de minar bloques de una blockchain para obtener criptomonedas. La finalidad de esta agrupación es facilitar el trabajo de minería y obtener beneficios equitativos para todos dentro del grupo. El problema radica en que los usuarios que han descargado los contenedores no tienen conocimiento de que su seguridad ha sido vulnerada. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 1247-1257
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Ciberseguridad Deep learning Sistemas embebidos
spellingShingle	Ciencias Informáticas Ciberseguridad Deep learning Sistemas embebidos López, Gabriel Vicente Romero, Diego Grisolia, Agustín Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube
topic_facet	Ciencias Informáticas Ciberseguridad Deep learning Sistemas embebidos
description	Hoy en día la seguridad de la información y la preservación de los sistemas que administran esta información, se han convertido en uno de los aspectos más críticos que toda organización debe cuidar, es por esta razón que en las distintas universidades del país se está dando un enfoque más profundo a la investigación en esta disciplina. Dentro del marco de un proyecto de investigación de proyectos de I+D. una de las líneas de trabajo se dedicó a estudiar en qué forma pueden ser atacadas las instituciones que utilizan servicios en la nube. Los profesores o alumnos en la Universidad al descargar contenedores disponibles en la nube para realizar cualquier tipo de actividad académica o de investigación, ya sea enseñar, realizar prácticas o ejercicios, etc., desconocen que estos contenedores fueron previamente embebidos a propósito con algún software de uso legal, pero el cual es utilizado con fines personales para obtener beneficios propios, sin que el usuario se percate de que su organización está siendo comprometida. Este caso particular de estudio está enfocado en el empleo de los pools de minería. Los pools de minería son una agrupación de mineros que cooperan con el objetivo de minar bloques de una blockchain para obtener criptomonedas. La finalidad de esta agrupación es facilitar el trabajo de minería y obtener beneficios equitativos para todos dentro del grupo. El problema radica en que los usuarios que han descargado los contenedores no tienen conocimiento de que su seguridad ha sido vulnerada.
format	Objeto de conferencia Objeto de conferencia
author	López, Gabriel Vicente Romero, Diego Grisolia, Agustín
author_facet	López, Gabriel Vicente Romero, Diego Grisolia, Agustín
author_sort	López, Gabriel Vicente
title	Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube
title_short	Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube
title_full	Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube
title_fullStr	Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube
title_full_unstemmed	Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube
title_sort	detección de procesos no deseados embebidos con deep learning, sobre aplicaciones descargadas desde la nube
publishDate	2024
url	http://sedici.unlp.edu.ar/handle/10915/177012
work_keys_str_mv	AT lopezgabrielvicente detecciondeprocesosnodeseadosembebidoscondeeplearningsobreaplicacionesdescargadasdesdelanube AT romerodiego detecciondeprocesosnodeseadosembebidoscondeeplearningsobreaplicacionesdescargadasdesdelanube AT grisoliaagustin detecciondeprocesosnodeseadosembebidoscondeeplearningsobreaplicacionesdescargadasdesdelanube
_version_	1845116835201024000

Detección de procesos no deseados embebidos con Deep Learning, sobre aplicaciones descargadas desde la nube

Ejemplares similares