Publications

@article{castano_evaluation_2022,

title = {Evaluation of supervised learning models using TCP traffic for the detection of botnets},

author = {Felipe Castaño and Javier Velasco-Mata and Andrés Carofilis-Vasco and Eduardo Fidalgo and Laura Fernández-Robles and George Azzopardi},

url = {https://dialnet.unirioja.es/servlet/articulo?codigo=9206645},

year  = {2022},

date = {2022-01-01},

urldate = {2022-01-01},

journal = {VII Jornadas Nacionales de Investigación en Ciberseguridad 2022},

abstract = {Este trabajo propone un conjunto de 23 variables para clasificar la severidad de incidentes de ciberseguridad asociados a direcciones IP. Se utilizan series temporales, listas de reputación y datos de geolocalización para construir un modelo multi-clase basado en aprendizaje automático. Además, se realiza un análisis estadístico para optimizar y validar la adecuación de las variables propuestas.},

keywords = {Aprendizaje Automático, Direcciones IP, Selección de Variables, Severidad},

pubstate = {published},

tppubtype = {article}

}

@article{castano_extracting_2022,

title = {Extracting Composition and Social Engineering Features to Measure Spam Address Credibility},

author = {Felipe Castaño and Francisco Jañez-Martino and Pablo Blanco-Medina and Alexandra Bonnici and Santiago González and Eduardo Fidalgo},

url = {https://dialnet.unirioja.es/servlet/articulo?codigo=9206644},

year  = {2022},

date = {2022-01-01},

urldate = {2022-01-01},

journal = {VII Jornadas Nacionales de Investigación en Ciberseguridad 2022},

abstract = {Este trabajo propone un modelo para clasificar la severidad de incidentes de ciberseguridad mediante aprendizaje automático. Se construyó un conjunto de 23 variables que caracterizan la maliciosidad de una dirección IP, combinando datos de series temporales, listas de reputación y geolocalización. Se realizó un análisis estadístico para validar y optimizar estas variables, considerando su estabilidad en el tiempo y sensibilidad a hiperparámetros.},

keywords = {Aprendizaje Automático, Direcciones IP, Selección de Variables, Severidad},

pubstate = {published},

tppubtype = {article}

}

@article{diaz_classifying_2022,

title = {Classifying suspicious Pastebin content using Machine Learning},

author = {Daniel Díaz and Francisco Jañez-Martino and Javier Velasco-Mata and Eduardo Fidalgo and Óscar García-Olalla Olivera and Enrique Alegre},

url = {https://dialnet.unirioja.es/servlet/articulo?codigo=9206635},

year  = {2022},

date = {2022-01-01},

urldate = {2022-01-01},

journal = {VII Jornadas Nacionales de Investigación en Ciberseguridad 2022},

abstract = {Investigación en Ciberseguridad Actas de las VII Jornadas Nacionales (7º.2022.Bilbao) Se enfoca en la construcción de un conjunto de variables para clasificar la maliciosidad de direcciones IP en un entorno de ciberseguridad. Se extrajeron 23 variables, 18 de series temporales y listas de reputación, y 5 relacionadas con la geolocalización. Se realizó un análisis estadístico para evaluar y optimizar las características, considerando la variabilidad temporal de la geolocalización y los hiperparámetros de las series temporales.},

keywords = {Aprendizaje Automático, Ciberseguridad, Direcciones IP, Jornadas Nacionales, Selección de Variables, Severidad},

pubstate = {published},

tppubtype = {article}

}

@article{delgado-sotes_dataset_2022,

title = {Dataset creation and feature extraction for thedetection of fraudulent websites},

author = {Juan José Delgado and Manuel Sánchez-Paniagua and Javier Velasco-Mata and Eduardo Fidalgo and Juan Prieto-Carballal and George Azzopardi},

url = {https://dialnet.unirioja.es/servlet/articulo?codigo=9206641},

year  = {2022},

date = {2022-01-01},

urldate = {2022-01-01},

journal = {Investigación en Ciberseguridad Actas de las VII Jornadas Nacionales (7º. 2022. Bilbao)},

pages = {267–268},

abstract = {Este trabajo se centra en la creación de un conjunto de variables (features) para clasificar la maliciosidad de una dirección IP en un contexto multi-clase. Se han utilizado 23 variables, de las cuales 18 provienen de series temporales y listas de reputación, y 5 están relacionadas con la geolocalización de la IP. Además, se realizó un análisis estadístico para optimizar y estudiar la adecuación de estas variables, teniendo en cuenta los cambios posibles en la geolocalización y los hiperparámetros de las series temporales.},

note = {Publisher: Fundación Tecnalia Research and Innovation},

keywords = {Aprendizaje Automático, Direcciones IP, Selección de Variables, Severidad},

pubstate = {published},

tppubtype = {article}

}

@article{garcia-ordas_clasificacion_2016,

title = {Clasificación y reconocimiento de patrones},

author = {María Teresa García-Ordás and Rocío Alaiz-Rodríguez and Enrique Alegre},

url = {https://buleria.unileon.es/handle/10612/11066},

year  = {2016},

date = {2016-01-01},

urldate = {2016-01-01},

abstract = {Presenta los fundamentos de la clasificación en sistemas de reconocimiento de patrones. Comienza con los principios del aprendizaje a partir de ejemplos, revisa las métricas y métodos de evaluación de clasificadores, y describe el ciclo completo de diseño de un clasificador. Finalmente, se ilustran tres modelos de aprendizaje: clasificación supervisada, regresión y clasificación no supervisada.},

note = {Publisher: Grupo de Visión del Comité Español de Automática (CEA)},

keywords = {Aprendizaje Automático, Reconocimiento de Patrones, Visión por Computador},

pubstate = {published},

tppubtype = {article}

}

@article{alegre_sistemas_2015,

title = {Sistemas portables para detección de rostros y estimación de edad y género},

author = {Enrique Alegre},

url = {https://buleria.unileon.es/handle/10612/5034},

year  = {2015},

date = {2015-10-01},

urldate = {2015-10-01},

abstract = {Jornada Catedra telefónica: TIC y envejecimiento activo en el entorno rural (Presentación de proyectos de la Cátedra 2015)},

keywords = {Aprendizaje Automático, Detección de Rostros, Estimación de Edad y Género},

pubstate = {published},

tppubtype = {article}

}

@article{gonzalez-castro_class_2011,

title = {Class Distribution Estimation in Imprecise Domains Based on Supervised Learning},

author = {Víctor González-Castro and Rocío Alaiz-Rodríguez and Enrique Alegre},

url = {https://buleria.unileon.es/handle/10612/11034},

year  = {2011},

date = {2011-01-01},

urldate = {2011-01-01},

abstract = {La cuantificación es clave en clasificación cuando las distribuciones de clases en prueba y entrenamiento difieren o cuando estimar proporciones es el objetivo principal. Se presentan técnicas basadas en la matriz de confusión, probabilidades posteriores y medidas de divergencia, con aplicación en control de calidad seminal.},

note = {Publisher: Nova Publishers, 2012},

keywords = {Aprendizaje Automático, Cuantificación o estimación de proporciones, Distribución de clases},

pubstate = {published},

tppubtype = {article}

}