Redes Neuronales - Seguridad Informátics

El problema se origina en el momento de querer una mejor calidad de información, bien sabemos que actualmente es más conveniente automatizar los procesos, ya que genera mayor rapidez en obtener los productos o en este caso la información, ya que genera menos costos, más ganancias y mayor producción.

Generación de información más confiable acorde con el avance continuo de la tecnología, además de su seguridad y los sistemas de control que conforma parte de la estructura de la transmisión de información.

El tratamiento de la información toma un papel muy importante en las organizaciones ya que dicha información es usada para la toma de decisiones y para elegir la dirección en la que dicha entidad lograra sus objetivos, se necesita prevenir cualquier daño o robo de información para proteger la integridad de la organización y a la vez restringir el acceso de agentes externos a dicha información.

Estado del arte que hace el autor (1 - 1.5 página)

El autor se basa en distintas fuentes que describen los términos que hacen referencia a las redes neuronales y a sus aplicaciones, comenzando con lo que son las Redes Neuronales, que son un campo muy importante dentro de la Inteligencia Artificial, Inspirándose en el comportamiento conocido del cerebro humano (principalmente el referido a las neuronas y sus conexiones), trata de crear modelos artificiales que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales.

Las características principales de las Redes Neuronales son las siguientes:

1. Auto-Organización y Adaptabilidad: utilizan algoritmos de aprendizaje adaptativo y auto-organización, por lo que ofrecen mejores posibilidades de procesado robusto y adaptativo.

2. Procesado no Lineal: aumenta la capacidad de la red para aproximar funciones, clasificar patrones y aumenta su inmunidad frente al ruido.

3. Procesado Paralelo: normalmente se usa un gran número de nodos de procesado, con alto nivel de interconectividad.

El elemento básico de computación (modelo de neurona) se le llama habitualmente nodo o unidad. Recibe un input desde otras unidades o de una fuente externa de datos. Cada input tiene un peso asociado w, que se va modificando en el llamado proceso de aprendizaje. Cada unidad aplica una función dada f de la suma de los inputs ponderadas mediante los pesos:

y_i=∑_j▒〖w_ij y_i 〗

El resultado puede servir como output de otras unidades.

Las características de las Redes Neuronales juegan un importante papel, por ejemplo, en el procesado de señales e imágenes. Se usan arquitecturas que comprenden elementos de procesado adaptativo paralelo, combinados con estructuras de interconexiones jerárquicas.

Además aplica el termino IDS que hace referencia a un mecanismo que, sigilosamente, escucha el tráfico en la red para detectar actividades anormales o sospechosas, y de este modo, reducir el riesgo de intrusión, es así como el autor aplica dicho termino, pero además lo utiliza en conjunto con un software llamado Snort, que es un sniffer (podemos ver en consola y en tiempo real qué ocurre en nuestra red, todo nuestro tráfico) de paquetes y un detector de intrusos basado en red (se monitoriza todo un dominio de colisión). Es un software muy flexible que ofrece capacidades de almacenamiento de sus bitácoras tanto en archivos de texto como en bases de datos abiertas como lo es MySQL. Implementa un motor de detección de ataques y barrido de puertos que permite registrar, alertar y responder ante cualquier anomalía previamente definida. Así mismo existen herramientas de terceros para mostrar informes en tiempo real (ACID) o para convertirlo en un Sistema Detector y Preventor de Intrusos (IDS).

Además para realizar los experimentos se hace uso del método Quickprop que es un método para acelerar el aprendizaje se basa en utilizar la información sobre la curvatura de la superficie de error. Esto requiere el cómputo de la derivada de segundo orden de la función de error. Quickprop asume que la superficie del error es localmente cuadrática (parábolas consecutivas) y procura saltar directamente en un paso de la posición actual al mínimo de la parábola, está basado en el método de iteración de Newton y el autor lo usa para saber el número óptimo de neuronas en la capa oculta que es necesario para tener una mejor calidad de red neuronal tomando como base el error absoluto generado ya sea por el volumen de datos procesándose o número de redes dentro del modelo y así ver lo más conveniente ya que generada un mejor modelo de sistemas de control.

Importancia (0.5 página)

La importancia recae en el querer proteger la información que es muy importante para la organización, pero esto va más allá de una simple cuestión de seguridad, ya que este trabajo requiere la aplicación de una tecnología compleja que en su uso nos da muchas facilidades, el uso de las Redes Neurales nos facilita el tratado de la información, es más flexible y nos permite analizar datos incompletos, que es muy importante por si se quiere recuperar información valiosa.

Otras de las importancias es que la información como bien sabemos es usada por la organización para futuras decisiones, el uso de Redes Neuronales nos permite usar otra teoría llamada Minería de Datos, con el cual podemos analizar con mucho más detalle la información que se tiene y así poder tomar o elegir decisiones más certeras, usando como garantía la seguridad que nos genera el uso de las Redes Neuronales.

Es importante saber que la información procesada mediante este modelo es confiable y segura, además dicha información puede ser utilizada por otras organizaciones, obviamente cuando dicha información no sea útil a la organización que la genero, ayudando así a la toma de decisiones siguiendo modelos confiables.

Mejora la calidad de información obtenida luego del procesamiento respecto a otros sistemas de control.

Motivación del autor (críticas del autor a otros trabajos) (0.5 página)

Lo que motiva al autor es el continuo cambio e innovaciones tecnológicas que se producen día a día en el mundo, está motivado por el estudio continuo de tecnología que tiene un carácter complejo pero al ser aplicadas generan soluciones muy factibles y eficientes cumpliendo con los objetivos planteados.

El concepto de Redes Neuronales es utilizado por otros autores para distintas aplicaciones, el autor de este trabajo hace uso de este concepto para el cuidado de la información es decir utiliza métodos probabilísticos

...