BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Departamento de Computación
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20210101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20220907T170000
DTEND;TZID=America/Sao_Paulo:20220907T180000
DTSTAMP:20260419T163716
CREATED:20220906T122852Z
LAST-MODIFIED:20220906T122852Z
UID:7789-1662570000-1662573600@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Julian Len
DESCRIPTION:Título: Detección de comportamiento malicioso en la Blockchain de Ethereum\nDirectora: Maria Vanina Martinez\nJurados: Esteban Mocskos  y Diego Garbervetsky \nResumen:\nCon el objetivo de eliminar un tercero de confianza en las transacciones monetarias entre dos partes\, se crea el concepto de criptomoneda con Bitcoin y Ethereum dos de los primeros casos de usos exitosos utilizando blockchain como infraestructura. Sus propiedades de inmutabilidad\, descentralización y privacidad motivaron que una parte del sistema financiero se mueva a ellas\, creando un nuevo concepto de finanzas descentralizadas (DeFi).\nPara lograr esto\, crearon las criptomonedas Bitcoin (BTC) y Ether (ETH) respectivamente. Además\, Ethereum como infraestructura permite la creación de programas denominados Smart Contracts que corren de manera descentralizada y distribuida. Con el auge de las criptomonedas y DeFi\, es que en las blockchains se almacenan y transfieren grandes cantidades de valor. Por lo tanto\, gracias a la privacidad que estas proveen\, son blanco de\ndistintos ataques informáticos cuyo autor queda bajo el anonimato. En este trabajo con el objetivo de detectar comportamiento malicioso en Ethereum\, instanciamos la arquitectura de inteligencia artificial NetDER que a diferencia de otros métodos de detección\, los cuales implementan soluciones ad-hoc a comportamientos específicos\, NetDER permite crear modelos híbridos que combinen técnicas de análisis de datos\, machine learning y razonamiento basado en conocimiento ontológico para la detección de comportamientos maliciosos de distinto tipo. Para esto\, modificamos la implementación existente para optimizar la ejecución\, desarrollamos reglas propias que detecten comportamiento sospechoso de las cuentas en blockchain y generamos una base de conocimiento utilizando Ethereum como dominio. Por cada una de estas reglas analizamos los distintos resultados y cómo estas reglas se comportan entre sí.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-julian-len/
LOCATION:Sala 1604
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR