SISTEMAS DISTRIBUIDOS

(S.D)

Prof. Dr. Nibaldo Rodríguez

RESULTADOS DE APRENDIZAJES

Al finalizar la asignatura el estudiante debe ser capaz de:Explicar y clasificar los diferentes modelos

arquitectónicos de un sistema distribuido.Analizar el funcionamiento de algoritmos de

sincronización de relojes escalares y vectorialesEvaluar predicados de estados globales de un

sistema distribuido

CONTENIDOS

1.- Caracterización de los sistemas distribuidos: 1.1 Heterogeneidad 1.2 Escalabilidad 1.3 Extensibilidad 1.4 Tratamiento de Fallos 1.5 Transparencia 1.6 Concurrencia 1.7 Seguridad

CONTENIDOS

Tiempo y estados globales:

3.1 Sincronización de relojes físicos 3.2 Método de Cristian 3.3 Método de Berkeley 3.4 Protocolo de tiempo de red 3.5 Relojes Lógicos de Lamport 3.6 Relojes Lógicos Vectoriales 3.7 Corte consistente 3.8 Estados Globales 3.9 Evaluación de Predicados

BIBLIOGRAFÍA

G. Coulouris, J. Dollimore and T. Kindberg, “Distributed Systems: Concepts and Design”, Addison Wesley,4º/5º edición, 2005/2012.

Andrew S. Tanenbaum, Maarten van Steen, “Distributed Systems: Principles and Paradigms, Prentice Hall; 1º edition, 2002.

Paper recomendados por el profesor.

Evaluación

Prueba 1 (75%) : Junio

Trabajo :Individual (30%)Reporte (10%) : MayoPresentación (20%) : Mayo

TAREA

REPORTE+PRESENTACION

TEMAS

1. A new approach to intrusion detection using Artificial Neural Networks and fuzzy clustering.

2. A novel intrusion detection system based on hierarchical clustering and support vector machines.

3. Practical real-time intrusion detection using machine learning approaches.

4. Design and analysis of genetic fuzzy systems for intrusion detection in computer networks.

5. Detecting Denial-of-Service attacks using the wavelet transform.

6. Combining sketches and wavelet analysis for multitime-scale network anomaly detection

7 Real-time anomaly detection systems for Denial-of-Service attacks by weighted k-nearest-neighbor classifiers.

8. Detection of distributed denial of service attacks using an ensemble of adaptive and hybrid neuro-fuzzy systems.

9. Detection of DDoS attacks using optimized traffic matrix.

10. MARK-ELM: Application of a novel Multiple Kernel Learning framework for improving the robustness of Network Intrusion Detection

11. A transform domain-based anomaly detection approach to network-wide traffic

12. A novel hybrid KPCA and SVM with GA model for intrusion detection

13. Feature Selection Based Hybrid Anomaly Intrusion Detection System Using K Means and RBF Kernel Function

REPORTE/PRESENTACIÓN

Template: Elsevier Word

Idioma: Español

PPT: 20 MÍNUTOS DE PRENTACIÓN

QUÈ ES UN SISTEMA DISTRIBUIDO

SISTEMAS DISTRIBUIDOS (S.D)

Definición :

QUÉ ES UN S.D. ?

SISTEMAS DISTRIBUIDOS

Referencia:

CÁPÍTULO I,

G. COULOURIS