English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Una de las grandes preocupaciones en la actualidad de las empresas es la deteccion y prevencion temprana de ataques de ciberseguridad. Para ello, existen los Sistemas de Deteccion de Intrusiones, herramientas que cuentan con sensores virtuales y que basan su deteccion en el analisis del trafico de red. El problema surge cuando se dan ataques que estos sistemas no detectan. Una de las soluciones existentes a esta problematica es acudir a la mineria de datos e intentar detectar anomalias en grandes volumenes de datos, no pertenecientes unicamente al trafico de red sino datos que puedan provenir de diversas fuentes. En este articulo se propone una solucion enmarcada en el proyecto DHARMA haciendo uso de la tecnica de agrupamiento, dentro de la disciplina de la mineria de datos, en concreto del algoritmo DBSCAN.

Aplicación de técnicas de detección de anomalías a escenarios de ciudades inteligentes