Facultad Regional Resistencia

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/106

Browse

Author: search.filters.author.Gramajo, SergioHas files: Yes

Search Results

Now showing 1 - 10 of 25
  • No Thumbnail Available
    Item
    Desarrollo de una arquitectura de ciberseguridad en redes IoT, aplicada a un ecosistema Zigbee basado en SDN
    (30° Congreso Argentino de Ciencias de la Computación - CACIC 2024, 2025-10-07) Scappini, Reinaldo; Bolatti, Diego; Gramajo, Sergio; Roa, Jorge; Montiel, Raúl
    Este trabajo propone el desarrollo de arquitectura de ciberseguridad para sistemas basados en IoT, mostrando un ejemplo aplicado a un entorno Zigbee. Para ello se presenta una arquitectura de ciberseguridad innovadora basada en SDN para proteger de manera efectiva las redes IoT. La propuesta centraliza la gestión de políticas de seguridad en un controlador SDN, permitiendo un control granular del tráfico a través de conmutadores OpenFlow. Al aprovechar parámetros de los dispositivos IoT, como identificadores únicos y niveles de batería, se establecen políticas de acceso y priorización personalizadas. La arquitectura se valida en un entorno real utilizando una red Zigbee, demostrando su eficacia en la detección y mitigación de amenazas. Los resultados obtenidos respaldan la viabilidad de esta solución para asegurar la creciente diversidad de dispositivos IoT y garantizar la privacidad de los datos.
  • No Thumbnail Available
    Item
    Contexto de tareas iniciales del proyecto desarrollar un marco de controles de ciberseguridad para gestión y control de funcionamiento de redes IoT
    (XXVI Workshop de Investigadores en Ciencias de la Computación (WICC 2024), 2024-05-01) Bolatti, Diego; Scappini, Reinaldo; Gramajo, Sergio; Roa, Jorge; Montiel, Raúl
    El objetivo principal de este artículo es presentar un panorama de las tareas preliminares para definir, arquitectura, parámetros, objetivos de control y controles; en el ámbito del proyecto “Desarrollar un Marco de controles de ciberseguridad para gestión y control de funcionamiento de redes IoT”; partiendo del estado del arte de la implementación de seguridad en ámbitos de redes de IoT.
  • Thumbnail Image
    Item
    Implementación de sistemas de detección de peatones para vehículos utilizando sensores LIDAR y deep learning
    (2024-09-10) Vázquez, Raimundo; Gramajo, Sergio; Mariguetti, Jorge Omar; Torres, Carlos; Robledo Sanchez, Alberto
    El desarrollo de sistemas de detección de peatones para vehículos representa un avance crucial en la seguridad vial y la integración de tecnologías de vanguardia en la industria automotriz. Este trabajo propone una solución innovadora que combina la capacidad del sensor LIDAR con archivos del tipo bag, con el objetivo de detectar peatones y diferenciar entre zonas de peligro y no peligro para el vehículo. La integración de datos obtenidos del sensor LIDAR con archivos bag abre nuevas posibilidades para mejorar la precisión y eficacia de los sistemas de detección de peatones. La utilización de archivos bag permite capturar datos en tiempo real en diversas condiciones de conducción, lo que facilita la recopilación de información relevante para el desarrollo y entrenamiento de modelos de detección. Mediante una serie de mediciones, se establecen situaciones de peligro y no peligro, donde se demuestra que los peatones en la vereda no representan una amenaza para el vehículo en movimiento, mientras que aquellos que cruzan la trayectoria del automóvil sí lo son. Los datos recopilados se transforman en archivos csv y se utilizan para entrenar un modelo de clasificación basado en redes neuronales del tipo Deep Learning. La evaluación de la efectividad del predictor se realiza mediante el análisis de la curva ROC, lo que proporciona una medida objetiva del rendimiento del sistema de detección propuesto. Los resultados obtenidos demuestran la viabilidad y eficacia del enfoque propuesto, destacando su potencial para mejorar la seguridad vial y reducir los accidentes relacionados con peatones.
  • Thumbnail Image
    Item
    Detección de carriles en vías no señalizadas mediante LIDAR y deep learning para mejorar la seguridad vial
    (Sociedad Argentina de Informática (SADIO), 2024-10-24) Vázquez, Raimundo; Torres, Carlos; Mariguetti, Jorge Omar; Gramajo, Sergio; Robledo Sanchez, Alberto
    Las causas principales de los accidentes de tráfico se pueden atribuir principalmente a errores humanos como la falta de atención, mal comportamiento o distracción. Para abordar este problema, muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducir los siniestros viales. Este trabajo presenta un procedimiento para detectar carriles en vías no señalizadas utilizando un sensor LIDAR montado en la parte superior de un vehículo. El escáner láser captura imágenes del entorno del conductor, que luego se procesan para identificar tres regiones dentro de la distancia de frenado del vehículo: izquierda, central y derecha de la calle. Los datos recopilados se utilizan para crear conjuntos de entrenamiento y test, que se analizan mediante bibliotecas de Deep Learning para extraer patrones y construir un modelo de detección de carriles. La efectividad de este modelo se evalúa utilizando la curva ROC. Esta propuesta ofrece una solución integral para estimar la ubicación del carril del vehículo, integrando tecnología LIDAR y técnicas de Deep Learning.
  • Thumbnail Image
    Item
    Desarrollo de un procedimiento para detectar carriles en vías no señalizadas utilizando visión artificial
    (Sociedad Argentina de Informática (SADIO), 2023-12-01) Vázquez, Raimundo; Torres, Carlos; Mariguetti, Jorge Omar; Gramajo, Sergio; Robledo Sanchez, Alberto
    Los accidentes de tráfico son causados principalmente por errores humanos como la falta de atención, mal comportamiento o distracción. Muchas empresas han desarrollado técnicas para mejorar la seguridad en la conducción y reducción de siniestros viales. El contexto del tráfico es el principal estímulo para la intención del conductor y puede ser utilizado para predecir una acción futura. Este trabajo desarrolla un procedimiento que permite detectar el carril en vías no señalizadas empleando visión artificial. Se utiliza una cámara de video en un vehículo para obtener imágenes del campo visual del conductor. En los fotogramas obtenidos se establecen cinco regiones comprendidas dentro de la distancia de frenado del vehículo. La primera región se encuentra a la izquierda del automóvil. Las tres siguientes en el centro y la última a la derecha. Luego, se incorporan librerías de deep learning encargadas de analizar estas imágenes. Se utiliza el operador de divergencia en histogramas para cuantificar texturas entre regiones. Los valores obtenidos permitieron clasificar semejanzas entre regiones. Por ejemplo, en el caso donde el automóvil viaja en el carril central se obtienen cinco texturas semejantes. En los casos de traslado en el carril derecho o izquierdo la divergencia aumentaba respecto a las regiones centrales. De esta manera se propone estimar la ubicación del carril del vehículo utilizando como base de comparación los valores de la divergencia entre regiones. Este trabajo realiza un aporte a las tecnologías relacionadas a la percepción del tráfico donde se incluyen la detección de obstáculos, estructura viales y detección de carril.
  • Thumbnail Image
    Item
    Predicción de intención de giro de un conductor en la entrada de una rotonda utilizando un GPS y una red neuronal tipo LSTM
    (2022-12-01) Vázquez, Raimundo; Gramajo, Sergio; Mariguetti, Jorge Omar; Torres, Carlos; Robledo Sanchez, Alberto
    Se presenta un procedimiento para estimar la intención del sentido de giro de un conductor segundos antes de ingresar a una rotonda. En situaciones reales, la detección de que un conductor va a girar en una determinada dirección al ingresar a la rotonda no es suficiente para implementar estrategias de reducción de riesgos, por lo que es relevante reconocer una posible acción futura momentos antes de que ocurra. El método propuesto utiliza datos de posición asociados a tres rectas paralelas a una avenida cercana a la rotonda. De esta forma, fue posible obtener información relevante para alimentar una red neuronal con el fin de predecir la intención de giro de un vehículo en metros antes de ingresar a la rotonda. El entrenamiento y prueba se basó en una red tipo Long Short Term Memory, que permitió predecir la probabilidad de que el vehículo gire a la derecha, a la izquierda o siga derecho. Se logró construir un modelo con resultados prácticos, dando una importante ventana de predicción de 40 metros antes de llegar a la rotonda. Se consiguió construir un modelo con una exactitud aproximación de 0,80 y una pérdida menor a 0,47. Para evaluar la capacidad predictiva de la red se utilizó la herramienta denominada curva Característica Operativa del Receptor y las intenciones se definieron como clases.
  • Thumbnail Image
    Item
    Laboratorios globales y competencias adquiridas : experiencias en la cátedra Sistemas Operativos
    (2023-11-29) Roa, Jorge; Vigil, Rodrigo; Gramajo, Sergio; Cuenca Pletsch, Liliana Raquel
    La educación en ingeniería tiene un aspecto importante en el desarrollo de herramientas adecuadas de formación, principalmente con las nuevas metodologías, el uso de tecnología educativa y las nuevas generaciones. Estos factores indican claramente las ventajas que surgen a partir de la implementación sistematizada y coherente de estrategias didácticas basadas en formación por competencias. Dicho enfoque permite diseñar modelos pedagógicos con resultados de aprendizaje comprobables que proyectan una transformación educativa sobre los modelos de enseñanza tradicionales. Siguiendo esta premisa, en este trabajo se estudia la experiencia de la cátedra Sistemas Operativos, de la carrera Ingeniería en Sistemas de Información de la UTN-FRRe, en cuanto a los laboratorios integradores o globalizadores que fueron implementados en el ciclo 2022, en el regreso a la presencialidad, luego de la pandemia. Estos laboratorios fueron optimizados con el objeto de cubrir contenidos mínimos de la cátedra y los requeridos a profesionales de sistemas en el mercado laboral, utilizando el enfoque mencionado. Es así que, en este trabajo, se presenta una estrategia metodológica que entendemos útil para promover el aprendizaje de contenidos teóricos mediante laboratorios utilizando metodologías ágiles bajo una misma premisa y escenario, ayudando también a fomentar la capacidad de escritura de informes técnicos en grupo.
  • Thumbnail Image
    Item
    Network traffic monitor for IDS in IoT
    (2022-08-05) Bolatti, Diego; Todt, Carolina; Scappini, Reinaldo; Gramajo, Sergio
    As network services and IoT technologies rapidly evolve, in literature there are many anomalies detection proposals based on datasets to deal with cybersecurity threats. Most of this proposal uses structured data classification and they can recognize with a certain degree of accuracy whether a type of traffic is “anomalous” or not. Even what kind of anomaly it has. Nevertheless, previous works do not clearly indicate the technical methodology to set up the data gathered scenarios. As a main contribution, we are going to show a detailed deployment IoT traffic monitor ready for intelligent network traffic classification. Monitoring and sniffers are an essential concept in network management as it helps network operators to determine the network behavior and status of its components. Anomaly detection also depends on monitoring for decision-making. Thus, this paper will describe the creation of a portable network traffic monitor for IoT using Docker container and bridge networking with SDN.
  • Thumbnail Image
    Item
    Analysis and applications of internet of things and smart cities based on telecommunications and security - UTN Facultad Regional Resistencia
    (2019-09-16) Bolatti, Diego; Gramajo, Sergio
    This contribution details the implementation of the IoT research project at the Resistencia Regional Faculty ICT Research Centre.
  • Thumbnail Image
    Item
    Impacto de la formación basada en competencias y uso de las TIC en el rendimiento académico de los estudiantes
    (2019-11) Cuenca Pletsch, Liliana Raquel; Gramajo, Sergio; Roa, Jorge; Ristoff, Alberto
    Una de las características de la Sociedad basada en el Conocimiento es la utilización y aplicación masiva y eficiente del conocimiento global. En este contexto, se requieren nuevas competencias y habilidades, no solamente relacionadas con la alfabetización digital sino también las relacionadas con desempeñarse en una sociedad digitalizada que funciona en red. Las universidades deben considerar este nuevo escenario e implementar estrategias de enseñanza y aprendizaje tendientes a formar profesionales y ciudadanos capaces de comunicarse, interactuar y generar conocimiento con otros independientemente de su ubicación geográfica.En este trabajo se presenta una experiencia de cátedra que incorpora la formación en competencias mediante aplicación de diferentes estrategias, en particular el Aula Invertida y la Formación Basada en Proyectos, apoyadas en el aula virtual y herramientas TIC para la Gamificación, en la carrera de Ingeniería de Sistemas de Información de la Facultad Regional Resistencia de la UTN. Se adelantan conclusiones respecto del aporte potencial de esta experiencia en el aprendizaje y en la formación de profesionales capaces de aprovechar y aportar al conocimiento global. La flexibilidad en la interacción, la posibilidad de revisar los debates y las producciones y el desplazamiento del docente desde los ámbitos formales de educación presencial hacia ámbitos virtuales, aunque también formales, tiene una valoración positiva de parte de los estudiantes y mejora los rendimientos académicos.