ESCUELA DE DOCTORADO

 
Tesis Doctorales de la Universidad de Alcalá
TÉCNICAS DE APRENDIZAJE AUTOMÁTICO APLICADAS A LA MEJORA DE DETECCIÓN DE ATAQUES EN APLICACIONES WEB
Autor/aSureda Riera, Tomás
DepartamentoCiencias de la Computación
Director/aMartínez Herraiz, José Javier
Directores/asBermejo Higuera, Juan Ramón; Bermejo Higuera, Javier
Fecha de defensa01-12-2022
CalificaciónSobresaliente cum laude
ProgramaIngeniería de la Información y del Conocimiento (RD 99/2011)
Mención internacionalNo
ResumenLos portales de aplicaciones y servicios web suelen ser una de las puertas de entrada para el lanzamiento de ataques y otros tipos de actividades malintencionadas contra empresas y diversos tipos de entidades. Desde bancos a webs de comercio electrónico, pasando por las infraestructuras de sistemas sanitarios, sistema judicial, etc., los posibles perjuicios económicos, reputacionales, de fuga de información y de otra índole ocasionados no solo a las organizaciones, sino también a los usuarios legítimos de las aplicaciones y servicios web por un ataque, son incalculables. En un afán de proporcionar una capa de protección adicional contra este tipo de ataques, se ha investigado abundantemente sobre técnicas de protección web: desde un enfoque más clásico basado en reglas de protección que deben actualizarse constantemente hasta las técnicas basadas en la detección de anomalías, el número de estudios Con esta tesis, se pretende contribuir a afianzar el conocimiento sobre las técnicas de detección de anomalías mediante tres artículos en los que se aporta conocimiento a la comunidad científica mediante la primera revisión sistemática de literatura de las técnicas de detección de anomalías aplicadas a la protección de aplicaciones web. Posteriormente se plantea una nueva metodología para la comparación objetiva de herramientas de protección web, demostrando su aplicabilidad mediante la comparación de diversas herramientas WAF y RASP. Por último, se facilita a la comunidad científica un nuevo dataset multietiqueta con el que se entrenan nuevos diseños de modelos de clasificación capaces de identificar los ataques web mediante patrones de ataque CAPEC.