?lLucene41StoredFieldsDataM*T&2-5e0e15ce-c100-40aa-aa2b-1a014afd1c50€ $,M(123456789/1347h%m8b295f10-2c88-4099-a34e-6f392ef42e5fh%m58a1dd5d-c6ae-4d95-a8c4-d416c90f1d'l5b6bc384-38df-43a5-af47-11d8b9d130cbp$t/p$s/x$rtruefalsedj1S Insfrán Domínguez, Aldo JavierLópez Pires, FabioBa7p, Benja;Martínez Jara, EustaquioiiiiDEidaj_ ||| B+lpf;C'bb, %E7m%j%e%2C4&iiiiiiii?D VOnull ?71=5 ?=7@8 A[Qes cibernéticos a sistemas industriales de infraestructura crítica son una realidad en la actuy sus consecuencia`tituye> riesgo a:qcontinuLde los negocios, @econa y el bienestarla población. Este trabajo presentaRevalu' experimlEmecanismos utilizadosdistintos'de detecq=intrusiones aplic=+deV]a] asbs. Nueve algoritde aprendizaj máquina fueron g@ndo Qconjuatos. El p ro es(@prove$un del tipo gasoducto$el que se<protocol_comunicac%PModbu`n segu{ es obteni)e }Q1tro0sub ens  IEC 60870-5-104. Ambo`enen d!39 escenarioaB A, ejecutatravé.}:ónkJy noQagrupRpen 1 1 Los resulp9s mostraPJ4 asZSárboPdecisC5n mejorer1parPmétr de Fl-Score, particular Gradient Boost Tree,[ X8v1En cuant*1os smobservó}6"der/0cim}Ao o naissance/3más fáci+Aocerde 99.7%qpromedi5la  tomWms. Por otro lado,HN7inyOPcomanJy  puAniveb] #Eifíidentificaainferial 93.7%0?1/@1`esa4Fac PolitécZ0, U 0rsiNja. l /7"EIA Con~ Sy1RsIDUtion  Machine Learnig Cyberrrity ;y    ,   69}ksk3= >! C#mlq Hc$ Amh#iec| (,(,  ey y yyyyy y yyyy126\en re/.5!1ij!H  i!@i ?W>oes_ES!Thesis 1http://localhost:8080/xmlui/handle/C!*2025-06-20T15:29:04Z 2022-01-01 0!!#€ߦ܋h~P6.:IO+'""9!"1Gg án domí;!i ,lópez j `)barw", k {B !08l !Oez jm /!!C""iiii3>T o U // / ?# /? '. # , /b /4 9 2 ,p yyy y yy33? in!`/!P%g8f18a99c-4fd6-4787-bf2c-39ee4473d82a\xUB(