J. Proaño, M. Flores, J. Tarrío Saavedra, S. Naya

La rápida proliferación de dispositivos del Internet de las Cosas (IoT) ha intensificado los desafíos de ciberseguridad, en particular por la amenaza de botnets. En este trabajo se propone una metodología para detectar dispositivos IoT comprometidos mediante autoencoders variacionales (VAE). La propuesta incorpora un tratamiento específico de las variables categóricas del tráfico de red mediante embeddings, con el fin de preservar la estructura relacional entre características. Además, se integra un esquema de control estadístico de procesos basado en el estadístico T² de Hotelling y en el error de predicción cuadrático (SPE) para monitorizar anomalías y establecer límites de decisión. La metodología se valida en estudios de caso con datos reales, obteniendo elevados valores de precisión, exhaustividad y F1. Los resultados muestran que el enfoque es eficaz, robusto y adaptable para la detección de botnets en entornos IoT.

Palabras clave: Autoencoders Variacionales, Control Estadístico de Procesos, IoT, Detección de Botnets, Ciberseguridad

Programado

Sesión de pósters II
4 de septiembre de 2026  09:00
Facultade de Ciencias Económicas e Empresariais


Otros trabajos en la misma sesión

Inferencia Estadística para Determinar la Calidad de Test Diagnósticos Binarios

M. Á. Montero Alonso, A. Ruiz Vega, J. M. Melchor Rodríguez, J. D. Luna del Castillo

Longitudinal Statistical Analysis and Phenotypic Characterization of a Salt-Wasting Tubulopathy Cohort: Gitelman and Bartter Syndromes

L. Núñez González, B. Temes Álvarez, A. Urisarri Ruiz de Cortázar, M. Gil Calvo, A. M. Barcia de la Iglesia, P. Oliveros Martínez, N. Carrera Cachaza, M. Á. García González, M. García Murias

Spatial Generalization under Hierarchical Dependence: Evidence from Sediment Modelling

C. Patino Alonso, J. L. Molina González, F. Espejo Almodóvar, S. Zazo del Dedo, M. C. Molina González

Imputación de datos faltantes y predicción conjunta en apicultura de precisión mediante modelos autorregresivos bayesianos

M. C. Robustillo, L. Naranjo, M. I. Parra Arévalo, J. Hernández, C. J. Pérez Sánchez

A New Parametric Family of Non-Archimedean Copulas

C. R. Palmero, J. P. RINCÓN-ZAPATERO

Asignación óptima de aeronaves de extinción a incendios forestales

M. Rodríguez Barreiro, M. L. Carpente Rodríguez, S. Lorenzo Freire

Comparing Statistical Metrics for Differential Network Analysis

C. Ruiz de Porras Rubio, A. Sánchez Pla, C. Andrés-Lacueva, D. Garrido-Martín, A. Miñarro Alonso

Estimación bootstrap de umbrales para la detección de inhomogeneidades en series temporales

M. Flores Sánchez, M. Soliz Villafuerte, S. Naya Fernández, J. Tarrío Saavedra

Computation of Inequality Measures based on the Polynomial Pen’s Parade

J. M. Sarabia Alegria, V. Jordá, M. Tejería-Martínez

Análisis multivariante de la adopción de Inteligencia Artificial en España: un enfoque mediante HJ-Biplot y Clustering

M. C. Vega Hernández, M. L. Pérez-Delgado, J. Á. Román-Gallego, M. Á. Conde González

Nueva métrica de similitud para la comparación de conjuntos de tamaños dispares con aplicación en farmacogenómica.

M. J. Rivas Lopez, J. M. Sánchez-Santos, A. Berral-González, M. M. Arroyo, J. De las Rivas Sanz


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.