Search

[ES] Este trabajo propone un marco de análisis de información para la inferencia de conocimiento en el contexto del proyecto SELFNET, cuya finalidad es diagnosticar el estado de la red y predecir problemas potenciales que afecten la operatividad de la red, facilitándose también el proceso de toma de decisiones en redes 5G. Esta propuesta proporciona capacidades para el descubrimiento de hechos, reconocimiento de patrones, razonamiento y predicción con el objetivo de inferir conductas sospechosas, que puedan ser mitigadas a través del despliegue de medidas de respuesta, tanto de forma reactiva como proactiva. Además, este marco de análisis utiliza una metodología basada en casos de uso, donde el operador es capaz de personalizar los parámetros de operación y las reglas para la inferencia de conocimiento. La propuesta ha sido evaluada sobre un caso de uso, donde se demuestra cómo a partir de una configuración sencilla es posible abastecer a las capas de inteligencias del conocimiento necesario para mejorar la toma de decisiones que permita adaptar la red a cambios en el volumen de datos monitorizados.

[ES] Este trabajo propone un marco de análisis de información para la inferencia de conocimiento en el contexto del proyecto SELFNET, cuya finalidad es diagnosticar el estado de la red y predecir problemas potenciales que afecten la operatividad de la red, facilitándose también el proceso de toma de decisiones en redes 5G. Esta propuesta proporciona capacidades para el descubrimiento de hechos, reconocimiento de patrones, razonamiento y predicción con el objetivo de inferir conductas sospechosas, que puedan ser mitigadas a través del despliegue de medidas de respuesta, tanto de forma reactiva como proactiva. Además, este marco de análisis utiliza una metodología basada en casos de uso, donde el operador es capaz de personalizar los parámetros de operación y las reglas para la inferencia de conocimiento. La propuesta ha sido evaluada sobre un caso de uso, donde se demuestra cómo a partir de una configuración sencilla es posible abastecer a las capas de inteligencias del conocimiento necesario para mejorar la toma de decisiones que permita adaptar la red a cambios en el volumen de datos monitorizados.

[ES] Este trabajo propone un marco de análisis de información para la inferencia de conocimiento en el contexto del proyecto SELFNET, cuya finalidad es diagnosticar el estado de la red y predecir problemas potenciales que afecten la operatividad de la red, facilitándose también el proceso de toma de decisiones en redes 5G. Esta propuesta proporciona capacidades para el descubrimiento de hechos, reconocimiento de patrones, razonamiento y predicción con el objetivo de inferir conductas sospechosas, que puedan ser mitigadas a través del despliegue de medidas de respuesta, tanto de forma reactiva como proactiva. Además, este marco de análisis utiliza una metodología basada en casos de uso, donde el operador es capaz de personalizar los parámetros de operación y las reglas para la inferencia de conocimiento. La propuesta ha sido evaluada sobre un caso de uso, donde se demuestra cómo a partir de una configuración sencilla es posible abastecer a las capas de inteligencias del conocimiento necesario para mejorar la toma de decisiones que permita adaptar la red a cambios en el volumen de datos monitorizados.

[ES] Este trabajo propone un marco de análisis de información para la inferencia de conocimiento en el contexto del proyecto SELFNET, cuya finalidad es diagnosticar el estado de la red y predecir problemas potenciales que afecten la operatividad de la red, facilitándose también el proceso de toma de decisiones en redes 5G. Esta propuesta proporciona capacidades para el descubrimiento de hechos, reconocimiento de patrones, razonamiento y predicción con el objetivo de inferir conductas sospechosas, que puedan ser mitigadas a través del despliegue de medidas de respuesta, tanto de forma reactiva como proactiva. Además, este marco de análisis utiliza una metodología basada en casos de uso, donde el operador es capaz de personalizar los parámetros de operación y las reglas para la inferencia de conocimiento. La propuesta ha sido evaluada sobre un caso de uso, donde se demuestra cómo a partir de una configuración sencilla es posible abastecer a las capas de inteligencias del conocimiento necesario para mejorar la toma de decisiones que permita adaptar la red a cambios en el volumen de datos monitorizados.

[ES] Este trabajo propone un marco de análisis de información para la inferencia de conocimiento en el contexto del proyecto SELFNET, cuya finalidad es diagnosticar el estado de la red y predecir problemas potenciales que afecten la operatividad de la red, facilitándose también el proceso de toma de decisiones en redes 5G. Esta propuesta proporciona capacidades para el descubrimiento de hechos, reconocimiento de patrones, razonamiento y predicción con el objetivo de inferir conductas sospechosas, que puedan ser mitigadas a través del despliegue de medidas de respuesta, tanto de forma reactiva como proactiva. Además, este marco de análisis utiliza una metodología basada en casos de uso, donde el operador es capaz de personalizar los parámetros de operación y las reglas para la inferencia de conocimiento. La propuesta ha sido evaluada sobre un caso de uso, donde se demuestra cómo a partir de una configuración sencilla es posible abastecer a las capas de inteligencias del conocimiento necesario para mejorar la toma de decisiones que permita adaptar la red a cambios en el volumen de datos monitorizados.

[ES] Este trabajo propone un marco de análisis de información para la inferencia de conocimiento en el contexto del proyecto SELFNET, cuya finalidad es diagnosticar el estado de la red y predecir problemas potenciales que afecten la operatividad de la red, facilitándose también el proceso de toma de decisiones en redes 5G. Esta propuesta proporciona capacidades para el descubrimiento de hechos, reconocimiento de patrones, razonamiento y predicción con el objetivo de inferir conductas sospechosas, que puedan ser mitigadas a través del despliegue de medidas de respuesta, tanto de forma reactiva como proactiva. Además, este marco de análisis utiliza una metodología basada en casos de uso, donde el operador es capaz de personalizar los parámetros de operación y las reglas para la inferencia de conocimiento. La propuesta ha sido evaluada sobre un caso de uso, donde se demuestra cómo a partir de una configuración sencilla es posible abastecer a las capas de inteligencias del conocimiento necesario para mejorar la toma de decisiones que permita adaptar la red a cambios en el volumen de datos monitorizados.