Work

Ciberseguridad: predictiva y explicable basada en MGP

Year: 2026
Type: dissertation
Abstract: El presente proyecto tiene como objetivo el diseño y posterior desarrollo de un prototipo aplicado a la ciberseguridad con un enfoque predictivo y explicable basado en Modelos Gráficos Probabilísticos (MGP), más concretamente, redes bayesianas. La motivación surge de la necesidad de proteger los datos almacenados en sistemas informáticos frente a filtraciones de datos, de una manera transparente para analistas de ciberseguridad. Este prototipo se centra en la predictibilidad y la explicabilidad para poder anticiparse a estos incidentes y permitir la toma de decisiones auditables, lo cual aporta grandes beneficios frente a soluciones tradicionales. Se basa en un MGP programado en Python mediante el uso de la librería pyAgrum, especializada en el modelado de Redes Bayesianas. Este prototipo genera la probabilidad de filtración de datos catalogada en base a un escenario a partir de evidencia observable. El resultado es un sistema de detección de amenazas transparente y seguro que detecte una filtración de datos y muestre un camino explícito de qué decisiones se han tomado y qué ha llevado a su toma a la hora de predecir una filtración de datos, siendo una herramienta transparente, explicable y auditable. ABSTRACT The goal of this project is to design and develop a prototype for cybersecurity with a predictive and explainable approach based on Probabilistic Graphical Models (PGMs), specifically Bayesian networks. It is motivated by the need to protect data stored in computer systems against data breaches in a way that is transparent to cybersecurity analysts. This prototype focuses on predictability and explainability to anticipate these incidents and enable auditable decision-making, which offers significant advantages over traditional solutions. It is based on a PMG programmed in Python using the pyAgrum library, which specializes in Bayesian Network modeling. This prototype generates a probability of data breach based on a scenario built from observable evidence. The result is a transparent and secure threat detection system that detects a data breach and provides an explicit path of which decisions were made and what led to those decisions when predicting a data breach, making it a transparent, explainable, and auditable tool.
Language: Spanish
Open Access status: green
OpenAlex ID: W7222854617
Cites: 8
Cited by:
Related to: 10