Sistema de detección de intrusiones bluetooth para terminales móviles
Bibliographic record
Abstract
La evolución de estas tecnologías está provocando un aumento significativo en el número de dispositivos por usuario y en la aparición de nuevos modelos con funcionalidades avanzadas.Estos avances están repercutiendo en la aparición de nuevos vectores de ataque que hacen vulnerables, diariamente, a un mayor número de usuarios.Recientes estudios han comprobado que un 45% de la población encuestada desconoce los riesgos de seguridad asociados a su dispositivo móvil.Además, un 50% de los encuestados aseguran haber sido víctimas de algún tipo de malware y, únicamente, un 20% tiene instalado un sistema de antivirus en su terminal.Estos resultados indican la precariedad de la seguridad móvil, tanto a nivel de aplicaciones comerciales como a nivel de concienciación de la sociedad.Por este motivo, la implementación de sistemas de seguridad, como el trabajo de investigación propuesto, tienen como principal objetivo concienciar a la sociedad de los riesgos de seguridad asociados a los terminales móviles, y plantear diferentes alternativas para contrarrestar estos riesgos.El presente trabajo plantea el estudio de un sistema de detección de intrusiones Bluetooth para dispositivos móviles, sobre la plataforma de desarrollo Windows Mobile, que permita garantizar la confidencialidad, integridad y disponibilidad de la información personal del usuario.De esta manera, la implementación de este tipo de herramientas de seguridad proporcionará nuevos, y más seguros, niveles de confianza.Actualmente, las aplicaciones de seguridad móvil están centradas en la implementación de sistemas de antivirus.Sin embargo, estas aplicaciones dejan vulnerable al dispositivo móvil ante ataques de suplantación (spoofing) o denegación de servicio (denial of service).Por este motivo, unos de los principales objetivos del sistema propuesto consiste en la implementación de un sistema basado en firmas o basado en anomalías, mediante modelos matemáticos, que reduzcan los riesgos derivados de estos tipos de ataques.Además, el trabajo propuesto permite la implementación de varios modos de funcionamiento, un modo estándar, un modo adaptativo y un modo basado en políticas.El modo estándar está basado en el funcionamiento de la mayoría de los sistemas de detección de intrusiones actuales, con la optimización del protocolo de comunicaciones Bluetooth.El modo adaptativo se comporta de igual manera que el modo estándar, salvo que optimiza el rendimiento en función de los perfiles detectados por el sistema periódicamente.Por último, el modo basado en políticas se comporta siguiendo un esquema en el que los eventos que se reciben en la interfaz Bluetooth son admitidos o denegados según un conjunto de políticas de negocio.Palabras Clave: seguridad informática, comunicaciones móviles, sistema de detección de intrusiones, Bluetooth, virología móvil. AGRADECIMIENTOSEn primer lugar, quiero agradecer a mi tutor Jorge E. López de Vergara su incondicional ayuda, y su espíritu trabajador, durante la realización del trabajo final de Master.Gracias a sus correcciones y aportaciones técnicas, sus valoraciones objetivas, y sus consejos, ha hecho posible la finalización de este trabajo de investigación.Agradezco el esfuerzo depositado en mí por la Universidad Autónoma de Madrid, y especialmente en la beca de investigación que me ha sido concedida durante el período de realización de este trabajo, ya que sin esta ayuda no hubiera podido asistir a congresos internacionales que completaran mi formación.De igual manera, quiero agradecer la amabilidad de todos los miembros del grupo de investigación de redes y computación de alto rendimiento (HPCN) de
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".