Resultados

Artículos de Revista y Capítulos de Libro

  1. Medina-Arco, J.G , Magán-Carrión, R., Rodríguez-Gómez, R.A., García-Teodoro, P. Methodology for the Detection of Contaminated Training Datasets for Machine Learning-Based Network Intrusion-Detection Systems. Sensors, , 24:479. Versión abierta Versión publicada
  2. García-Peñas, R., Rodríguez-Gómez, R.A., Maciá-Fernández, G. HoDiNT: Distributed architecture for collection and analysis of Internet Background Radiation. Computer Networks, , 250:110570. Versión abierta Versión publicada
  3. Camacho, J., Rodríguez-Gómez, R.A. Data quality tools to optimize an anomaly detection benchmark. Submitted to Data, .
  4. Jamoos, M., Mora, A.M. , AlKhanafseh, M., Surakh, O. A Comparative Analysis of the TDCGAN Model for Data Balancing and Intrusion Detection. Signals, , 5(3):580-596. Versión abierta Versión publicada
  5. Camacho, J., Sorochan Armstrong, M. Population Power Curves in ASCA with Permutation Testing. Journal of Chemometrics, . Versión abierta Versión publicada
  6. Saccenti, E., Timmerman, M.E., Camacho, J. A simulation study of the effects of additive, multiplicative, correlated and uncorrelated error on Principal Components Analysis. Journal of Chemometrics, . Versión abierta Versión publicada
  7. Camacho, J., Wasielewska, K., Bro R., Kotz, D. Interpretable Learning in Multivariate Big Data Analysis for Network Monitoring. IEEE Transactions of Network and Service Management, , 21(3):2926-2943. Versión abierta Versión publicada
  8. Wasielewska, K., Soukup, D., Čejka, T., Camacho, J. Dataset Quality Assessment in Autonomous Networks with Permutation Testing. . Submitted to Applied Intelligence, . Versión abierta
  9. Jamoos, M., Mora, A.M., AlKhanafseh, M., Surakhi, O. A New Data-Balancing Approach Based on Generative Adversarial Network for Network Intrusion Detection System. Electronics, , 12:2851. Versión abierta Versión publicada
  10. Al-Zoubi, A.M., Mora, A.M., Faris, H. A Multilingual Spam Reviews Detection Based on Pre-Trained Word Embedding and Weighted Swarm Support Vector Machines. IEEE Access, , 11:72250-72271. Versión abierta Versión publicada
  11. Moreno-Torres, S., Mora-García, A.M., Carmona-Murillo, J., Galeano-Brajones, J. Advanced Ant Colony Optimization Algorithm for Service Function Chaining in Computer Networks. Submitted to IEEE Access, .
  12. Mora, A.M., Merino, P., Hernández, D., García-Sánchez, P., Fernández-Ares, A.J. Applying Evolutionary Methods for the Optimization of an Intrusion Detection System to Detect Anomalies in Network Traffic Flows. Applications of Nature-inspired Computing and Optimization Techniques. Advances in Computers Series, . Versión publicada
  13. Wasielewska, K., Soukup, D., Čejka, T., Camacho, J. Evaluation of the Limit of Detection in Network Dataset Quality Assessment with PerQoDA.. Machine Learning and Principles and Practice of Knowledge Discovery in Databases. ECML PKDD, , 1753. Versión abierta Versión publicada

Artículos en Conferencia Internacional

  1. Mora, A.M. , Victoria-Mohammed, J., Medina-Medina, N., Valenzuela-Valdés, J.F. Applying Evolutionary Algorithms for Service Function Chaining in 5G Networks. IEEE CEC 2024 (WCCI 2024), Yokohama (Japan), . Versión publicada
  2. Mora, A.M., Fuentes-Izquiano, S. Combining Genetic Algorithms and Ant Colony Optimization for the Effective Allocation of Virtual Network Functions in a 5G Networ. EVO, Waels (UK), .
  3. Camacho, J. The complex interplay between Data and Model Quality. A case study in traffic anomaly detection. IRTF NMRG meeting 121, Dublin (Ireland), . Presentation Versión abierta Versión publicada
  4. Adán-López, R., Fernández-Martínez, D., Rodríguez-Gómez, R.A., Camacho, J. Coupled Design and Analysis of Experiments in Network Management. 37th IEEE/IFIP Network Operations and Management Symposium (NOMS 2024) , Seoul (Korea), . Poster Versión publicada
  5. Camacho, J. ANOVA Simultaneous Component Analysis for the Efficient Exploration of Massive Network Traffic Data. 37th IEEE/IFIP Network Operations and Management Symposium (NOMS 2024) , Seoul (Korea), . Poster Versión publicada
  6. Medina-Arco, J.G., Magán-Carrión, R., Rodríguez-Gómez, R.A. Exploring Hidden Anomalies in UGR’16 Network Dataset with Kitsune. Flexible Query Answering Systems (FQAS23), Springer Nature Switzerland, 2023, pp. 194-205, Mallorca (Spain), . Versión abierta Versión publicada
  7. Medina-Romero, J., Mora, A.M., Valenzuela-Valdés, J.F., Castillo, P.A. Applying Data Mining and Machine Learning Techniques to Predict Powerlifting Results. Engineering Proceedings 39 (1), 20, International conference on Time Series and Forecasting (ITISE 2023), Gran Canaria (Spain), . Versión abierta
  8. Camacho, J. NetMob 2013 Data Analysis with ASCA. Netmob 2023, Madrid (Spain), . Presentation
  9. Camacho, J. Simulation Power Curves in ASCA. Topics in Chemometrics, Rostock (Germany), . Presentation
  10. Wasielewska, K. Network Dataset Quality Problem. IRTF NMRG meeting 116 (Online), . Versión abierta
  11. Mora, A.M., Arenas, M.G., Romero-Horno, A., Castillo, P.A., Camacho, J. Optimizing an IDS (Intrusion Detection System) by means of Advanced Metaheuristics. International Work-Conference on Artificial Neural Networks (IWANN 2023), Ponta Delgada (Portugal), . Versión abierta Versión publicada
  12. Mora, A.M., Merino, P., Hernández, D. Enhancing an Intrusion Detection System by means of Evolutionary Approaches. International Conference on the Applications of Evolutionary Computation (EvoAPPS 2023), Brno ( Czech Republic), . Versión publicada
  13. Camacho, J., Wasielewska, K., Espinosa, P., Fuentes-García, M. Quality In / Quality Out: Data quality more relevant than model choice in anomaly detection with the UGR'16. IEEE/IFIP Network Operation and Service Management (NOMS), Miami (USA), . Versión abierta Versión publicada
  14. Wasielewska, K., Soukup, D., Čejka, T., Camacho, J. Evaluation of Detection Limit in Network Dataset Quality Assessment with Permutation Testing. European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, ECML-PKDD 2022, 4th Workshop on Machine Learning for Cybersecurity (MLCS), Grenoble (France), . Versión abierta Versión publicada
  15. Camacho, J., Wasielewska, K., Soukup, D., Čejka, T. Dataset Quality Assessment in Autonomous Networks with Permutation Testing. Seventh IEEE/IFIP International Workshop on Analytics for Network and Service Management, Bucarest (Hungary), . Versión abierta Versión publicada
  16. Wasielewska, K., Soukup, D., Čejka, T., Camacho, J. Dataset Quality Assessment in Autonomous Networks with PermutationTesting. The 10th Prague Embedded Systems Workshop, Horoměřice (Czech Republic ), .
  17. Álvarez-Terribas, F., Magán-Carrión, R., Maciá-Fernández, G., Mora García, A.M. A Deep Learning-Based Approach for Mimicking Network Topologies: The Neris Botnet as a Case of Study. International Joint Conference 15th International Conference on Computational Intelligence in Security for Information Systems (CISIS 2022) and 13th International Conference on EUropean Transnational Education (ICEUTE 2022), . Versión publicada
  18. Camacho, J. Networkmetrics for Network Monitoring and Security. Invited Talk. The 10th Prague Embedded Systems Workshop, Horoměřice (Czech Republic ), . Presentation
  19. Mañas-Martinez, E., Cabrera, E., Wasielewska, K., Camacho, J. Mining Social Interactions in Connection Traces of a Campus Wi-Fi Network. ACM Conference (SIGCOMM’21), New York (USA), . Poster Versión abierta Versión publicada
  20. Cuberos, F., Herrera, I., Wasielewska, K.,Camacho, J. Network Tomography and Partial Least Squares for Traffic Matrix Estimation. 17th International Conference on Network and Service Management (CNSM 2021), Izmir (Turkey), . Versión abierta Versión publicada

Entregables

  1. Entregable 1: Informe Intermedio: Aceptado como MUY SATISFACTORIO Última modificación: 22/05/2023
  2. Entregable 2: Informe Final: Remitido para su evaluación Última modificación: 25/11/2024
  3. Entregable 3: Plan de Gestión de Datos Última modificación: 20/11/2024
  4. Entregable 4: Plan de Gestión de Riesgos y Calidad Última modificación: 25/11/2024
  5. Entregable 5: Informe de Análisis de Requisitos Última modificación: 22/05/2023
  6. Entregable 6: Diseño del Laboratorio SDN Última modificación: 22/05/2023
  7. Entregable 7: Diseño del DAaaS Última modificación: 22/05/2023
  8. Entregable 8: Laboratorio SDN en funcionamiento (ETSIIT 3.2) Última modificación: 01/05/2023
  9. Entregable 9: DAaaS en funcionamiento Última modificación: 29/05/2023
  10. Entregable 10: Página web Última modificación: 25/11/2024
  11. Entregable 11: Primer workshop IEEE/IFIP en "Quality of Data in Network Telemetry" (QoDaNeT 2024) Última modificación: 06/05/2023

Conjuntos de Datos

  1. UGR16 Feature data Este repositorio contiene las cuatro variantes del dataset UGR'16 que se usan en los siguientes artículos:

    • Camacho, J., Wasielewska, K., Espinosa, P., Fuentes-García, M. Quality In / Quality Out: Data quality more relevant than model choice in anomaly detection with the UGR’16. IEEE/IFIP Network Operations and Management Symposium. Miami, USA. 2023.

    • Camacho, J., Rodríguez-Gómez, R.A. Data quality tools to optimize an anomaly detection benchmark. Submitted to Data, 2024.

    Por favor, asegúrese de referenciar el último artículo cuando se usen los datos, así como el artículo original de UGR'16:

    • Maciá-Fernández, G., Camacho, J., Magán-Carrión, R., García-Teodoro, P., Therón, R. Ugr'16: a new dataset for the evaluation of cyclostationarity-based network IDSs. Computer & Security, 2018, 73: 411-424.

  2. Dartmouth Feature data Este repositorio contiene los datos por características obtenidos del dataset de Dartmouth que se usan el siguiente artículo:

    • Camacho, J., Wasielewska, K., Bro R., Kotz, D. Interpretable Learning in Multivariate Big Data Analysis for Network Monitoring. IEEE Transactions of Network and Service Management, 2024, 21(3):2926-2943.

    Por favor, asegúrese de referenciar el artículo cuando se usen los datos, así como el artículo original del dataset:

    • Camacho, J., McDonald, C., Peterson, R., Zhou, X. Longitudinal Analysis of a Campus Wi-Fi Network. Computer Networks. 2020, 179, 107103.

Videos

  1. SDN Laboratory Laboratorio de investigación de Software Defined Networks (SDN) en la Universidad de Granada.
  2. DAaaS El servicios de análisis de datos (DAaaS por sus siglas en inglés) es un servicio en línea diseñado para facilitar el análisis y la interpretación de los datos de tráfico. Ver más información.
  3. DAaaS Tutorial Part I Tutorial práctico del uso del DAaaS
  4. DAaaS Tutorial Part II Tutorial práctico del uso del DAaaS
  5. Data-Model Quality Interaction Presentación en NMRG IETF 101 sobre calidad de los datos

Tesis y Trabajos

Tesis Doctorales
  • A. Al-Zoubi. Spam Reviews Detection Models in Multilingual Contexts applying Sentiment Analysis, Metaheuristics, and Advanced Word Embedding. Supervision: A.M. Mora, H. Faris (University of Jordan). Universidad de Granada. 2024.
TFM
  • Sergio Fernández Morales. Aprendizaje Automático de Características en Multivariate Big Data Analysis (MBDA) para el análisis de tráfico en red. Supervision: J. Camacho, R. Magán (UGR). Universidad de Granada. 2023.
  • Luis Vargas Maldonado. Tools for anti-tracking. Study of web breakages caused by ad-blockers. Supervision: J. Camacho, C. Troncoso (EPFL). Universidad de Granada. 2022.
  • Pablo Estévez González. Detección de anomalías mediante técnicas de aprendizaje automático. Comparativa de rendimiento de algoritmos lineales y redes neuronales profundas. Supervision: J. Camacho, J. Suárez-Varela (UPC). Universidad de Granada. 2022.
  • José Gabriel Marín Martín. Ciberseguridad en BGP. Prototipo de análisis de trazas BGP con MBDA. Supervision: J. Camacho. Universidad de Granada. 2021.
  • Elena Cabrera Garrido. Evaluación de la Privacidad en Análisis de trazas de conexión Wi-Fi. Supervision: J. Camacho. Universidad de Granada. 2021.
  • Manuel Jurado Vázquez. Parseo de logs y detección de anomalías en ciberseguridad. Supervision: J. Camacho. Universidad de Granada. 2021.
TFG
  • Aitor Jiménez Segura. Optimización ILP en Redes SDN. Supervision: J. Camacho. Universidad de Granada. 2024.
  • Antonio Aguilera González. Testbed para la optimización del posicionamiento de servicios en el continuo Cloud-Fog-Edge. Supervision: J. Camacho. Universidad de Granada. 2024.
  • Mario Guisado García. Aplicación de Metaheurísticas Cuánticas para la Optimización de Cadenas de Servicios en un Modelo de Red 5G. Supervision: A.M. Mora, A. Borrallo (Fujitsu). Universidad de Granada. 2024.
  • Daniel Monjas Miguélez. Tomografía de Red basada en Aproximaciones Mínimo-Cuadráticas Alternas. Supervision: J. Camacho. Universidad de Granada. 2023.
  • José Miguel González Cañadas. Detección de Anomalías en Redes con Aprendizaje Automático y Matrices de Covarianza. Supervision: J. Camacho. Universidad de Granada. 2023.
  • Marta Eugenia Gavilán Sierra. Evaluando la calidad de benchmarks para la detección de anomalías en red. Supervision: J. Camacho. Universidad de Granada. 2023.
  • Renan Barreto Farias. Laboratorio de emulación SDN. Supervision: J. Camacho. Universidad de Granada. 2023.
  • Alvaro García Rodríguez. Uso de generadores de tráfico para la captura de tráfico en redes SDN. Supervision: Rafael A. Rodríguez-Gómez. Universidad de Granada. 2023.
  • Felipe González López. Aplicación de técnicas avanzadas de aprendizaje automático para la detección de eventos de seguridad en redes de comunicaciones. Supervision: A.M. Mora, R. Magán (UGR). Universidad de Granada. 2023.
  • Francisco J. Gallardo Molina. Diseño y estudio de una Red Definida por Software (SDN) adaptativa usando software de simulación. Supervision: A.M. Mora, J.F. Valenzuela (UGR). Universidad de Granada. 2023.
  • Andrea Pérez Jáimez. Análisis Multivariante de Big Data para datos de enrutamiento. Supervision: J. Camacho. Universidad de Granada. 2022.
  • Andrés Romero Horno. Optimización de un IDS (Intrusion Detection System) utilizando metaheuristicas avanzadas. Supervision: A. Mora, J.F. Valenzuela (UGR). Universidad de Granada. 2022.
  • Javier Victoria Mohammed. Aplicación de Algoritmos Evolutivos para la optimización de cadenas de servicio en un modelo de red 5G. Supervision: A. Mora, J.F. Valenzuela (UGR). Universidad de Granada. 2022.
  • Enrique Julio Castellano Martín. Laboratorio de emulación de redes SDN. Supervision: J. Camacho, R. Rodríguez-Gómez. Universidad de Granada. 2022.
  • Federico Moles Sánchez. Detección de incidencias de ciberseguridad mediante Aprendizaje Automático Interpretable con Zeek. Supervision: J. Camacho. Universidad de Granada. 2021.