Clase Sistemas Distribuidos
-
Upload
francisco-javier-gonzalez-molina -
Category
Documents
-
view
227 -
download
0
description
Transcript of Clase Sistemas Distribuidos
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