Machine Learning-Cybersecurity

1. Algoritmos

1.1. Supervised Learning/Supervisado

1.1.1. Semi- Supervisado

1.1.2. Activo

1.2. Un-supervised Learning/No Supervisado

1.3. Deep Learning/Profundo

1.3.1. Redes Neuronales

1.4. Reinforcement Learning/Reforzado

2. Tipo de Problema-Técnicas

2.1. Clasificación

2.2. Agrupamiento

2.3. Regresión

2.4. Reducción de Dimensionalidad

2.5. Estimación de Densidad

3. Algoritmos-ML

3.1. Maquinas de Soporte Vectorial

3.2. Redes Bayesianas

3.3. Árboles de Decisión

3.4. Bosques al Azar

4. URL

4.1. Benignas

4.2. Maliciosas

4.2.1. Formas para Detectar

4.2.1.1. Regresión Logística

4.2.1.2. Maquinas de Soporte Vectorial

4.2.1.3. Árbol de Decisión

4.3. Spam

5. Soluciones

5.1. User Behavior

5.2. Network Traffic

5.3. Endpoint Solutions

5.4. SIEM

6. Datos

6.1. Estructurados

6.2. No Estructurados

6.3. Etiquetados

6.4. No Etiquetados

7. Series Temporales

7.1. Picos Estacionales

7.2. Ataques DDoS

7.2.1. ARMA

7.2.2. ARIMA

7.2.3. ARFIMA

7.3. Métodos

7.3.1. Ensamblaje

7.3.2. Conjunto de Votación