Desarrollo, en el contexto de la ciberseguridad y el Big Data, de una plataforma ultra-escalable o elástica basada en computación distribuida y paralela para el procesamiento de datos en streaming

En una sociedad rodeada por un constante intercambio de datos se hace vital que estos y los sistemas con los que están relacionados estén debidamente protegidos. Actualmente, se están desarrollando soluciones que detecten, en tiempo real, los ataques que comprometen estos datos mediante plataformas con la capacidad de gestionar eficientemente la gran cantidad de recursos necesarios para esta tarea. Además, dada la situación actual derivada del uso masivo de los recursos de Internet gracias, entre otros, al Internet de las Cosas (IoT) y al Big Data, se ha extendido el uso (sobre estas plataformas) de implementaciones de técnicas de Machine Learning, las cuales son capaces de encontrar patrones en el comportamiento de los flujos de red. Entre los principales interesados en soluciones que incluyan tanto estas técnicas como el uso de dichas plataformas computacionales, se encontrarían los proveedores de servicios de Internet que gestionan millones de conexiones por segundo. Estas soluciones son de gran interés por varios motivos entre los que se encuentran la seguridad de los sistemas, la integridad de los datos de sus usuarios y el impacto económico que supone la corrección y tratamiento de los ataques de red. Todos estos "daños" anteriormente mencionados también tienen un impacto social en detrimento de la calidad del servicio ofrecido por estas compañías y su imagen pública. En este contexto, este Proyecto de Fin de Grado tiene como objetivo desarrollar una plataforma ultra-escalable, mediante computación paralela, que permita un procesamiento muy eficiente de datos vía streaming y se ajuste a las necesidades que surjan dentro del contexto de las compañías que requieran este tipo de sistemas informáticos para el análisis en streaming del tráfico de red en busca de aquel que pueda ser identificado como malicioso. Sobre esta plataforma se utilizará un módulo de software inteligente formado por un algoritmo de Deep Learning capaz de determinar si conexiones de red pertenecen a un ataque de red. Abstract: In a society surrounded by a constant exchange of data, it is vital that these and the systems to which they are related are properly protected. Currently, solutions are being developed to detect, in real time, the attacks that compromise this data by means of platforms with the capacity to efficiently manage the large amount of resources required for this task. In addition, given the current situation derived from the massive use of Internet resources thanks, among others, to the Internet of Things (IoT) and Big Data, the use (on these platforms) of Machine Learning techniques implementations, which are able to find patterns in the behavior of network flows, has become widespread. Among the main stakeholders interested in solutions that include both these techniques and the use of such computational platforms, would be Internet service providers that manage millions of connections per second. These solutions are of great interest for a number of reasons including the security of systems, the integrity of their users’ data and the economic impact of correcting and dealing with network attacks. All these aforementioned "damages" also have a social impact to the detriment of the quality of the service offered by these companies and their public image. In this context, this Final Degree Project aims to develop an ultra-scalable platform, through parallel computing, that allows a very efficient processing of data via streaming and fits the needs that arise within the context of companies that require this type of computer systems for the streaming analysis of network traffic in search of that which can be identified as malicious. An intelligent software module consisting of a Deep Learning algorithm capable of determining whether network connections belong to a network attack will be used on this platform