En una sociedad donde prima el uso de la tecnología en cualquier tarea cotidiana, los ataques informáticos están a la orden del día. Uno de los ataques más comunes y con mayor tasa de éxito actualmente es el phishing. Este es un tipo de fraude en el que un atacante suplanta la identidad a una entidad legítima, generalmente, con el fin de obtener información personal y de tarjetas bancarias de cualquier persona por medio de correos electrónicos, mensajes de texto o redes sociales. Independientemente del medio por el que se lleve a cabo, el atacante acostumbra a redirigir a las potenciales víctimas a una página web que simula ser legítima, engañándolas para recoger información de carácter personal o conseguir que paguen por un servicio que nunca recibirán. Además, dicho fraude también puede ser utilizado como vehículo para otros tipos de ataque, como podría ser el ransomware.
El alto éxito de los ataques de phishing suele ser debido a la baja complejidad de ejecución de los mismos, a la existencia de herramientas que facilitan aún más la tarea de la suplantación y clonación de las páginas web, o a la falta de concienciación en materia de ciberseguridad por parte de ciertos grupos de la población, entre los que destacan las personas mayores y los niños pequeños. Debido a lo anterior, se considera necesario el desarrollo de algoritmos y sistemas de detección automática de páginas web fraudulentas que sirvan como apoyo para toda la población.
En este Trabajo Fin de Grado se van a estudiar y aplicar distintas técnicas de inteligencia artificial para la clasificación de páginas web con el objetivo de mejorar el rendimiento de los algoritmos existentes y de cara a proporcionar una clasificación más precisa de las webs. Para ello, se van a implementar distintos algoritmos de aprendizaje automático, como regresión logística o random forest, y de aprendizaje profundo, como redes neuronales convolucionales.
El repositorio contiene los seis experimentos que se han llevado a cabo en este Trabajo Fin de Grado:
- Ejecución de modelos clásicos de machine learning:
- Escalado de datos del dataset y repetición del experimento 1.
- Ensemble de votación con regresión logística, random forest y SVM.
- Red neuronal con una capa oculta.
- Red con capas LSTM.
- Red neuronal convolucional.
También se proporciona el código para generar las imágenes del experimento 6 y el código para analizar las características más significativas para la clasificación de páginas web mediante eXplainable Artificial Intelligente (XAI). De igual forma, se aportan las imágenes ya generadas.