Aplicación de los árboles de decisión en la identificación de sitios web fraudulentos

  • Christian Layme Fernández Universidad Nacional de San Agustín de Arequipa https://orcid.org/0000-0002-9434-9945
  • José Manuel Suri Canaza Universidad Nacional de San Agustín de Arequipa
  • David Jose Peña Ugarte Universidad Nacional de San Agustín de Arequipa
  • Jhon Yoset Luna Quispe Universidad Nacional de San Agustín de Arequipa
Palabras clave: Árbol de Decisión, Python, Seguridad Informática, Web Sites

Resumen

La seguridad informática, es un área muy importante en cualquier sistema que tenga conexión a internet, debido a que existen sitios Web fraudulentos que pueden realizar acciones delictivas hacia una persona, organización u otra entidad. Por lo cual es necesario poder detectar qué sitios web son fraudulentos antes de poder ingresar a ella, para ello se desarrolló una implementación mediante Árboles de Decisión con el lenguaje de Python para poder detectar y clasificarlos en Legítimos, Sospechosos y Fraudulentos por medio de 1353 casos que clasifican a los sitios webs.

Descargas

La descarga de datos todavía no está disponible.
Citas

"Find Open Datasets and Machine Learning Projects | Kaggle", Kaggle.com, 2020. [Online]. Available:https://www.kaggle.com/datasets. [Accessed: 12 Aug 2020].

"Conjunto de datos", Es.wikipedia.org, 2020. [Online]. Available:https://es.wikipedia.org/wiki/Conjunto_de_datos#cite_ref-Editorial_1-0. [Accessed: 12- Aug- 2020].

"Colab Notebooks", Magenta, 2020. [Online]. Available: https://magenta.tensorflow.org/demos/colab/ . [Accessed:12- Aug- 2020].

"Google Colab: Python y Machine Learning en la nube - Adictos al trabajo", Adictos al trabajo, 2020. [Online].Available: https://www.adictosaltrabajo.com/2019/06/04/google-colab-python-y-machine-learning-en-la-nube/ .[Accessed: 12- Aug- 2020].

"Pandas Basics - Learn Python - Free Interactive Python Tutorial", Learnpython.org, 2020. [Online]. Available:https://www.learnpython.org/es/Pandas%20Basics. [Accessed: 12- Aug- 2020].

"Python Numpy Tutorial (with Jupyter and Colab)", Cs231n.github.io, 2020. [Online]. Available:https://cs231n.github.io/python-numpy-tutorial/#numpy. [Accessed: 12- Aug- 2020].

S. Programacion en Castellano, "Introducción a la librería Matplotlib de Python", Programación en Castellano.,2020. [Online]. Available: https://programacion.net/articulo/introduccion_a_la_libreria_matplotlib_de_python_1599 .[Accessed: 12- Aug- 2020].

"scikit-learn: machine learning in Python — scikit-learn 0.23.2 documentation", Scikit-learn.org, 2020. [Online].Available: https://scikit-learn.org/stable/ . [Accessed: 12- Aug- 2020].

Fabian Pedregosa; Gaël Varoquaux; Alexandre Gramfort; Vincent Michel; Bertrand Thirion; Olivier Grisel;Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vincent Dubourg; Jake Vanderplas; Alexandre Passos; DavidCournapeau; Matthieu Perrot; Édouard Duchesnay (2011). "Scikit-learn: Machine Learning in Python" . Journal ofMachine Learning Research. 12: 2825–2830.

J. Gallardo, “ Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM”oldemarrodriguez.com, para. 2, Aug. 12, 2007. [Online]. Available:http://www.oldemarrodriguez.com/yahoo_site_admin/assets/docs/Documento_CRISP-DM.2385037 . [Accessed Aug.12, 2020].

Recibido: 2021-09-05
Aceptado: 2021-11-08
Publicado: 2022-03-30
Cómo citar
[1]
C. Layme Fernández, J. M. Suri Canaza, D. J. Peña Ugarte, y J. Y. Luna Quispe, «Aplicación de los árboles de decisión en la identificación de sitios web fraudulentos», Innov. softw., vol. 3, n.º 1, pp. 6-16, mar. 2022.
Sección
Artículos originales