Resumo

LOPEZ-AVILA, Leyanis; ACOSTA-MENDOZA, Niusvel  e  GAGO-ALONSO, Andrés. Detección de anomalías basada en aprendizaje profundo: Revisión. Rev cuba cienc informat [online]. 2019, vol.13, n.3, pp. 107-123. ISSN 2227-1899.

La detección de anomalías es una técnica de Minería de Datos que permite el reconocimiento de nuevos patrones con comportamiento inusual, los cuales pueden ser traducidos como acciones no válidas o anómalas sobre los datos. La detección de anomalías ha permitido la identificación y prevención de actividades maliciosas como fraude e intrusiones, entre otros. El uso de técnicas tradicionales para la detección de anomalías ha reportado muy buenos resultados. Sin embargo, en los últimos años se han reportado resultados de mayor relevancia mediante el uso de técnicas de aprendizaje profundo. El objetivo de este reporte es la revisión de los principales y más recientes métodos del estado-del-arte para la detección de anomalías (fraude e intrusiones) basados en aprendizaje profundo (en inglés: Deep Learning), los cuales categorizamos según el tipo de red profunda que utilizan.

Palavras-chave : Detección de anomalías basado en aprendizaje profundo; detección de fraude; detección de intrusiones; aprendizaje profundo.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )