Informe sobre Ataques Cibernéticos

Los ataques cibernéticos se han convertido en una amenaza para la humanidad

---

1. Introducción

Los ataques ciberneticos, se han convertido en una amenaza para las organizaciones actuales. En este estudio se quiere representar un informe Analítico e interactivo en R que de cuenta de las principales amenazas que hay en el mundo. Para ello por favor tener en cuenta las siguientes convenciones frente a los ataques ciberneticos:

El informe que se presenta en este página interactiva se ha consolidado con base en los siguientes datos, los cuáles puede descargarlos a continuación Click aquí

2. Análisis Estadístico de los datos

2.1. Evaluación del número de ataques cibernéticos y organizaciones atacadas por año

A continuación se presentarán las Tablas de frecuencia que dan razón de los ataques ciberneticos y de las organizaciones más atacadas en Estados Unidos

A continuación, usted puede visualizar la correcta estructuración de datos que nos permitirá realizar gráficos de linea de tiempo para cada una de las variables

Dado que la tabla es un formato poco apropiado para la representación de los datos, a continuación de presenta una gráfica interactiva que nos dará razón de la evolución de los ataques y las organizaciones atacadas en el tiempo

3. Modelo de Series Temporales utilizando el Modelo AUTOARIMA

El análisis descriptivo de los datos, no se encuentra completo si no estimamos un modelo de predicción. Para esto podemos utilizar R que nos permite generar predicciones utilizando series temporales. A continuación se presenta un ejemplo de ello

Como se pudo observar, el modelo ARIMA para la predicción de los ataques cibernéticos asociados a tarjetas débitos o créditos no fue exitoso en la predicción. Vamos entonces a utilizar otros modelo que puede sean más exitosos en la predicción de estos ataques a futuro. Vamos a realizar la predicción a partir de datos asociados a flujo de pasajeros en una terminal o aeropuerto.

A continuación se presenta el Modelo ingenuo modificado para estimar la predicción del número de pasajeros en una terminal:

Como se puede observar, con un Cuadrado Medio del Error para la validación (MAPE) el modelo SNAIVE nos presenta un MAPE de 27.0468932 lo que implica que el modelo no predice de la mejor manera.

2.2. Modelo Robusto

Para mejorar la predicción realizada, se utilizará un modelo mucho más robusto. En este caso utilizaremos un modelo ETS (Suavizamiento exponencial con tres criterios de ajuste)

Como se puede observar, con un Cuadrado Medio del Error para la validación (MAPE) el modelo ETS nos presenta un MAPE de 3.27219 lo que implica que el modelo predice de la mejor manera.

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.