Nuevas técnicas para la prevención de amenazas en la seguridad de la información y el reconocimiento de actividades en teléfonos móviles
- Autores: Daniel Fuentes Brenes
- Directores de la Tesis: Francisco Velasco Morente (codir. tes.), Juan Antonio Ortega Ramírez (codir. tes.)
- Lectura: En la Universidad de Sevilla ( España ) en 2013
- Idioma: español
- Tribunal Calificador de la Tesis: José Vehí Casellas (presid.), María José Escalona Cuaresma (secret.), Louise Travé-Massuyès (voc.), Luis González Abril (voc.), Jesús Salvador Aguilar-Ruiz (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: TESEO
- Resumen
Esta tesis presenta un nuevo método válido para el reconocimiento de actividades físicas realizadas por una persona utilizando exclusivamente el acelerómetro que trae incorporado un teléfono móvil. La importancia del método radica principalmente en dos aspectos fundamentales. El primero es que sin necesidad de tener equipamiento invasivo, sino que exclusivamente con el móvil de la persona somos capaces de determinar determinados movimientos de las persona. El segundo es que hemos perseguido que la trasmisión de la información se realice de manera segura, entre el dispositivo y el sistema de almacenamiento de los datos.
El almacenamiento de datos personales, privados y relacionados con el contexto del usuario en teléfonos móviles presenta diferentes problemas de seguridad. En este sentido, esta tesis describe un método para detectar infecciones relacionadas con la seguridad de la información en servicios de mensajería y Bluetooth. Para ello, se realiza la monitorización de eventos producidos por este tipo infecciones relacionadas con estos dos servicios. La estructura de la propuesta de detección es dividida en dos módulos: el módulo de monitorización que controla las peticiones de conexión y los ficheros enviados/recibidos, y el módulo de interfaz gráfica que muestra los mensajes y, ante situaciones sospechosas, se informa al usuario sobre una posible infección. La fiabilidad del método en situaciones simuladas y reales muestran que el sistema detecta diferentes formas de infección para móviles.
Una vez analizada la seguridad de la información almacenada, para el reconocimiento de actividades los datos del sensor de acelerometría son interpretados mediante un estudio estadístico que genera una selección de características para discernir entre cada una de las actividades estudiadas. De esta selección se obtiene un conjunto de entradas que, de forma supervisada, son etiquetadas para formar parte del entrenamiento de una máquina de aprendizaje, concretamente de una máquina de soporte vectorial (SVM). Este procedimiento permite obtener una función de clasificación que posibilita el etiquetado de nuevas entradas. El proceso se valida en un teléfono móvil donde se realiza el reconocimiento en tiempo real. Los resultados obtenidos demuestran que el método planteado permite clasificar diferentes actividades realizadas por un usuario con un alto nivel de precisión.
