Detección y clasificación de anomalías en dispositivos de interconexión de redes mediante el uso de técnicas avanzadas de Inteligencia Artificial

Abstract

El presente documento recoge las investigaciones realizadas para el Trabajo Fin de Grado desarrollado por Javier Cruz del Valle, alumno de la Universidad Carlos III de Madrid en el campus de Colmenarejo, así como los resultados que se han obtenido y las conclusiones extraídas de los mismos. El trabajo ha sido realizado en colaboración con la empresa de telecomunicaciones grupo MásMóvil y el equipo de investigación Grupo de Inteligencia Artificial Aplicada (GIAA), mediante la cátedra de investigación. El objetivo principal del proyecto es la detección y clasificación de anomalías relacionadas con las presencia de una queja por parte del cliente. Para ello se ha realizado un estudio exhaustivo de los datos y los distintos métodos de análisis empleados en este campo actualmente, es decir aquellos que se encuentran en el estado del arte, como es el caso de: los modelos Variational Autoencoder para la detección de anomalías, Principal Components Análisis como herramienta en la selección de atributos según su importancia y reducción de la dimensión, y los modelos Decision Tree Classifier para categorizar los distintos tipos de anomalías generando un modelo que permita su explicabilidad. Las conclusiones recabadas indican un buen resultado en la precisión del modelo encargado de la detección, así como su adaptación para distintos objetivos modificando un parámetro una vez entrenado, y su correcta fusión con un segundo modelo encargado de la clasificación de dicha anomalía que ha sido detectada. Los resultados alcanzados destacan la presencia de una gran componente aleatoria que se debe a un comportamiento errático e individual por parte del cliente, explicando una de las principales causas de las limitaciones que se han encontrado durante el desarrollo completo del proyecto.