TFM, TFG y otros trabajos académicos

URI permanente para esta comunidad

hdl:123456789/18

Examinar

Mostrando 1 - 18 de 18

Ahuyentador de depredadores para ganado utilizando tecnologías IoT LoRa
(2021-06-01) Tornadijo Rodríguez, Carlos; Mañoso Hierro, María Carolina; Pérez de Madrid y Pablo, Ángel
Este proyecto tiene como finalidad la creación de un dispositivo para ser portado por cabezas de ganado, preferentemente bovinos. Su función principal es tratar de impedir un ataque de un depredador, detectándolo basándose en los movimientos y biorritmos del animal, y evitándolo mediante la emisión de una secuencia de señales acústicas y luminosas con la intención de asustar al atacante. Como función secundaria, el dispositivo recabará datos del animal, su posición GPS, su movimiento y ciertos valores biométricos (pulso, saturación en sangre y temperatura). El dispositivo se comunicará regularmente mediante tecnología LoRa/LoRaWAN, con un punto de acceso situado en el rango de comunicación de esta red, que enviará a Internet los datos recogidos durante el tiempo que el animal lleve puesto el dispositivo, e informará de las acciones de ahuyentado de depredadores que se produzcan. El dispositivo también utilizará esta tecnología para comunicarse con otros dispositivos cercanos, e intercambiar información.
Análisis forense de dispositivos electrónicos inteligentes de rastreo de actividad o fitness (wearables)
(2021-07-01) Quintana Pajuelo, Ricardo; Tobarra Abad, María de los Llanos
Un dispositivo electrónico de rastreo de actividad o fitness es un dispositivo portátil del Internet de las Cosas (IoT 1) que recopila datos biométricos sobre la salud del usuario tales como la distancia realizada, los ritmos del sueño, las calorías consumidas o los ritmos de los latidos del corazón entre otras muchas cosas. En este trabajo, los dispositivos usados están conectados mediante Bluetooth a un teléfono móvil, y teniendo en cuenta que entre los 5 principales fabricantes en el mercado mundial de rastreadores de actividad física se encuentran Xiaomi y Fitbit ocupando la segunda y quinta plaza respectivamente [1], como dispositivos de estudio se ha decidido escoger la Xiaomi Mi Band 2 y la Fitbit Charge 2. Los datos del usuario generados por cada rastreador se sincronizan con el teléfono móvil, donde cada fabricante posee una aplicación móvil para interpretar y visualizar los datos obtenidos. Esta gran cantidad de datos proporcionados por los rastreadores de actividad del usuario se pueden utilizar en investigaciones forenses digitales, pues el estudio forense de las bandas de fitness se ha vuelto más importante a medida que ha aumentado el uso de dispositivos portátiles. Debido al auge y al aumento del uso de dispositivos electrónicos inteligentes de rastreadores de actividad o fitness, los investigadores de análisis forense se han visto en la necesidad de, ante el gran volumen de datos proporcionados por estos dispositivos, estudiarlos para simplificar y acortar el proceso de investigación, aumentando su conocimiento sobre cómo seleccionar e interpretar los datos de estos dispositivos, pudiéndose utilizar en las investigaciones forenses digitales. Todos estos datos obtenidos por el dispositivo de rastreo de actividad o fitness pueden desempeñar un papel importante a la hora de validar o no el testimonio de un sospechoso. Sin embargo, se han realizado pocos estudios sobre estos dispositivos de rastreo de fitness en relación con su importancia como fuente de evidencia digital. En este TFM se intentarán definir los aspectos generales que un investigador forense debe conocer sobre el análisis de rastreadores de actividad o fitness.
Análisis Forense de un altavoz inteligente Alexa Echo Show
(2021-10-01) García González, Diego José; Tobarra Abad, María de los Llanos
El presente documento refleja el análisis forense de un dispositivo IoT como es el altavoz inteligente Alexa cuyos datos están alojados en la nube. A lo largo del trabajo se detalla el proceso de extracción de datos que pueden llegar a convertirse en evidencias en una actuación pericial que puede venir derivada de una investigación judicial previa. Las principales fuentes de información utilizadas para la recolección de información forense han sido las interfaces gráficas de las aplicaciones de referencia de Alexa para la preparación del análisis y descubrimiento de las APIs y, sobre todo, las propias APIs que suministran la gran mayoría de los datos que puedan ser relevantes en una investigación como las antes mencionadas. Estas APIs se detallan a lo largo del documento con indicaciones sobre su utilidad, los datos que son necesarios para su correcto funcionamiento y los datos que suministran dentro de ficheros en formato JSON.
Aplicación del Internet de las Cosas para monitorización y riego de un huerto rural a través de Redes LORAWAN
(2021-09-21) García Alonso, Joaquín; Pérez de Madrid y Pablo, Ángel; Mañoso Hierro, María Carolina
El objetivo de este proyecto es el de controlar el riego y monitorizar la temperatura y humedad tanto ambiental como de suelo de un pequeño huerto (4 x 8 m) situado en una zona rural sin acceso a una acometida eléctrica y con pocao nula cobertura de red de ningún tipo.Ante estas necesidades y limitaciones descritas se ha optado por montar una red LoRaWAN (ya que dos de sus principales ventajas son un bajo consumo y un largo alcance) compuesta por unos nodos finales encargados de enviar y/o recibir información relevante para la monitorización y gestión del huerto, un gateway situado en el casco urbano (a unos 2 km), un servidor de red y un servidor de aplicaciones. Como servidor de red y de aplicaciones se ha optado por The Things Network (TTN), una plataforma gratuita que da acceso a una red comunitaria de gateways y que permite la creación de aplicaciones para este tipo de redes manteniendo la privacidad de los datos. En lo que respecta al manejo y la gestión de los datos recibidos en la plataforma se ha elegido usar Amazon Web Services (AWS) el cual se ha integrado con TTN permitiendo acceder a numerosos servicios como el de almacenamiento de datos (mediante DynamoDB) o el envío de órdenes a los nodos finales (mediante la publicación de topics MQTT a través de su servicio de IoT, AWS IoT Core), estando todos estos servicios contenidos en la capa gratuita que AWS ofrece. Para la interacción entre el usuario final y el sistema se ha desarrollado un bot de Telegram, el cual proporciona mediante un entorno amigable y conocido para la mayoría de los usuarios opciones para visualizar los datos obtenidos y enviar las órdenes al sistema. La metodología usada en este proyecto es en cascada, desarrollando cada parte del proyecto en una etapa.
Certificación de Firma Electrónica Manuscrita en proceso judicial
(2025-10-09) Viera Godoy, José María; Tobarra Abad, María de los Llanos
Del papel al pixel: experimentos para la digitalización de documentos históricos españoles
(2025-10) Macicior Michelena, Jaione; García Serrano, Ana Mª
La digitalización de los documentos históricos en español plantea retos específicos derivados de la baja calidad de los escaneos, la diversidad tipográfica, la complejidad estructural de los documentos y la distancia en los procesos de transcripción y normalización. Este trabajo aborda dichos desafíos mediante la construcción de un corpus propio y la evaluación experimental de diferentes enfoques de reconocimiento óptico de caracteres (OCR) y análisis de layout. En una primera fase, se realizaron experimentos en el marco de la tarea compartida PastReader (IberLEF 2025), utilizando modelos consolidados como Tesseract y sistemas multimodales como Granite, lo que permitió identificar limitaciones asociadas a la calidad del corpus y a la consistencia del ground truth. A partir de esas conclusiones, se ha desarrollado una segunda fase experimental basada en la creación de un nuevo corpus manualmente anotado y en la exploración de modelos recientes como TrOCR y DocLayoutYOLO, orientados tanao a la transcripción como a la segmentación estructural. La evaluación se llevó a cabo mediante métricas cuantitativas y análisis cualitativos, poniendo en relieve el impacto de la segmentación previa en la mejora del reconocimiento. Los resultados muestran que la calidad y coherencia del corpus resultan determinantes para el rendimiento de los modelos y que los enfoques basados en aprendizaje profundo ofrecen ventajas significativas frente a los métodos tradicionales, especialmente cuando integran OCR y layout de manera conjunta. No obstante, el tamaño limitado del corpus, la heterogeneidad de los documentos y las restricciones de recursos constituyen limitaciones relevantes. Este trabajo contribuye así al avance en la digitalización de fuentes hemerográficas en español y sienta las bases para futuros desarrollos de modelos más robustos y corpus de mayor alcance en el ámbito de las humanidades digitales.
Despliegue y análisis de prestaciones de servidores de streaming de vídeo utilizando tecnologías de virtualización ligera y cloud computing
(2026-02-01) Pérez Calavia, Daniel; Caminero Herráez, Agustín Carlos
Las tecnologías de virtualización ligera han transformado de manera significativa cómo se desarrollan y gestionan aplicaciones en la actualidad. Paralelamente, el streaming de video forma parte íntegra de nuestro día a día, desde aplicaciones de entretenimiento a plataformas de videoconferencia. En este trabajo comparamos varios proyectos de retransmisión de video Open-Source en dos escenarios de retransmisión a múltiples clientes, uno sobre Docker y otro sobre Kubernetes en uno y varios nodos. Medimos el uso de CPU, Memoria, Red y Disco, llegando a la conclusión de que Kubernetes usa aproximadamente 100 MiB de memoria y un 2,5% más de CPU en el caso de un nodo Worker y de 400 MiB de memoria y un 7% más de CPU en el caso de ser un despliegue de un único nodo, mientras que no se ha visto una diferencia significativa en el resto de métricas.
Detección de lenguaje ofensivo en redes sociales mediante modelos generativos
(2026-02-01) Cruz Casado, Adrián; Pérez Martín, Jorge; Rodrigo Yuste, Álvaro
Desde la popularización de las redes sociales a comienzos del siglo XXI, la comunicación en línea se ha multiplicado, convirtiéndose en un canal esencial tanto para el intercambio de información como para la creación de comunidades. No obstante, este crecimiento ha venido acompañado de un aumento perceptible del lenguaje ofensivo y el discurso de odio, fenómenos que amenazan la salud del ecosistema digital. Aunque las principales plataformas cuentan con mecanismos de moderación, la mayoría resultan costosos, lentos o incapaces de adaptarse al ritmo al que evoluciona el lenguaje. Este Trabajo de Fin de Máster analiza la aplicación de modelos generativos basados en arquitecturas Transformer para la detección automática de lenguaje ofensivo en redes sociales. En concreto, se estudia el rendimiento del modelo Mistral, al cual se le ha aplicado una fase de ajuste fino supervisado utilizando tres conjuntos de datos ampliamente utilizados en esta tarea: OffendES, MEX-A3T y OLID, que contienen ejemplos tanto en español como en inglés. El objetivo principal del trabajo es evaluar la capacidad del modelo ajustado para generalizar sobre distintos contextos y tipos de mensajes ofensivos. Para ello, se han diseñado y ejecutado una serie de experimentos que permiten analizar la calidad de los modelos mediante métricas como la precisión, la cobertura y la medida F1, comparando los resultados con enfoques tradicionales. Los resultados obtenidos muestran que el modelo ajustado sobre Mistral ofrece un rendimiento competitivo en la clasificación de contenido ofensivo, destacando su adaptabilidad a distintos dominios lingüísticos. Estos hallazgos respaldan el uso de modelos generativos como una alternativa prometedora y flexible para la moderación automática de contenidos, siempre que se acompañen de una adecuada estrategia de ajuste y validación.
Detección de posturas similares en redes sociales: Evaluación de modelos de Aprendizaje Automático y Transformers
(2026-03-01) Gil Díaz, Cristina; Rodrigo Yuste, Álvaro
Este trabajo aborda la detección de posturas similares en redes sociales, comparando modelos clásicos de aprendizaje automático con arquitecturas basadas en transformers, como BERT y RoBERTa, así como redes siamesas mediante SBERT. Los modelos se entrenan y evalúan sobre distintas temáticas para identificar posturas “similares”, “contrarias” y “no relacionadas”. Los resultados muestran que los transformers superan consistentemente a los enfoques clásicos, alcanzando valores de F1-weighted de hasta 0.61 en clasificación múltiple y 0.66 en binaria, mientras que los modelos clásicos rara vez los superan. La aplicación de backtranslation permitió aumentar el volumen y la diversidad léxica del conjunto de entrenamiento, reduciendo parcialmente el desbalance entre clases, aunque sin mejorar globalmente el rendimiento. SBERT mostró limitaciones al predecir con frecuencia la clase mayoritaria, evidenciando que la similitud basada en embeddings no captura de manera eficaz relaciones complejas de oposición semántica. Los modelos basados en transformers generalizan mejor hacia temáticas no vistas, especialmente cuando el entrenamiento se realiza en contextos con mayor diversidad de opiniones y la evaluación se centra en temas cercanos al corpus entrenado. La clasificación binaria mejora la homogeneidad del rendimiento y facilita la detección de posturas similares, donde la clase “contrarias” sigue siendo el principal desafío de detección. En conjunto, estos resultados confirman que los transformers son herramientas robustas para la detección de posturas similares en redes sociales y destacan la influencia tanto del esquema de clasificación como de la naturaleza de los temas en el desempeño de los modelos.
Evaluación de la exposición al riesgo en los mercados energéticos europeos
(2026-02-01) Lozano Fernández, Fernando; Arguedas Sanz, Raquel; Pra Martos, Inmaculada; Pérez Martín, Jorge
Este trabajo analiza la evolución del riesgo sistémico en los mercados energéticos europeos en un contexto marcado por episodios recientes de elevada incertidumbre geopolítica y económica. En particular, se estudia el impacto de tres eventos de gran alcance —el inicio de la pandemia de COVID-19, la invasión de Ucrania por parte de Rusia y el cambio en la política arancelaria de Estados Unidos en 2025— sobre la dinámica y los mecanismos de contagio de riesgo entre distintas variables representativas de los mercados de combustibles fósiles, energías limpias y factores de riesgo financiero. Con este objetivo, se propone un enfoque metodológico basado en regresión cuantílica no lineal mediante redes neuronales recurrentes de tipo xLSTM, que permite estimar de forma dinámica el Value at Risk (VaR) y el Conditional Value at Risk (CoVaR) de las variables anteriores. A partir de las derivadas parciales del modelo entrenado se construye una red de contagio sistémico, de la que se derivan tres indicadores de riesgo: el Systemic Fragility Index (SFI), el Systemic Hazard Index (SHI) y el Systemic Network Risk Index (SNRI). Los resultados muestran que la invasión de Ucrania constituye el shock más severo desde el punto de vista sistémico, con un aumento significativo del riesgo agregado y una intensificación de las interdependencias entre variables, especialmente en el precio del gas natural. En contraste, la crisis asociada a la COVID-19 presenta un comportamiento transitorio, con una reducción posterior del riesgo sistémico agregado. Asimismo, se observa que, de los factores estudiados, las principales aportaciones al riesgo geopolítico provienen del precio del crudo y el tipo cambiario dólar estadounidense-rublo. El trabajo contribuye a la literatura proporcionando un marco flexible para el análisis del riesgo sistémico en entornos complejos y ofrece implicaciones relevantes para la gestión del riesgo y el diseño de políticas energéticas en la Unión Europea.
Generación de informes radiológicos sintéticos con LLM para aumento de datos y mejora de la extracción de información clínica con BioGPT
(2026-02-06) Larráyoz Jiménez, Ana; Pérez Martín, Jorge; Carrilero Mardones, Mikel
Este trabajo tiene como objetivo analizar si el aumento de datos mediante generación de informes sintéticos permite mejorar el rendimiento de un modelo basado en BioGPT para la extracción y clasificación de variables clínicas a partir de informes radiológicos. Para ello, se diseñaron varias estrategias de aumento de datos con informes sintéticos generados mediante técnicas zero-shot, oneshot y few-shot, variando además dos factores: el tamaño del conjunto de entrenamiento sintético (200 y 1100 informes) y el uso o no de una estructura explícita en el prompt de generación. La metodología consistió en entrenar y evaluar el modelo en dos tipos de tareas: (i) clasificación de variables categóricas/estructuradas, medida mediante accuracy y Macro F1; y (ii) extracción de variables de texto libre, evaluada con la métrica semántica BERTScore F1 y una evaluación basada en juicio experto (expert assessed score), con el fin de aproximar la utilidad clínica de las respuestas generadas. También se analizó un escenario extremo en el que el modelo se entrenó únicamente con informes sintéticos para cuantificar la dependencia de los datos reales. Los resultados muestran que el aumento de datos puede aportar mejoras, pero de forma condicionada a la calidad y al control de la generación. En clasificación, la variante few-shot con 200 ejemplos y con estructura obtuvo el mejor rendimiento en F1, mejorando al modelo de referencia y manteniendo una accuracy global alta, lo que sugiere una ganancia especialmente relevante en variables o clases más difíciles. Sin embargo, el estadístico Wilcoxon para variables categóricas arrojó un valor p = 0,077, lo que indica que la magnitud del efecto es positiva pero no es significativa con umbral estricto (α = 0,05). En variables de texto libre, la comparación mediante BERTScore F1 y expert assessed score favoreció a la mejor estrategia frente a BioGPT, especialmente en los campos con mayor variabilidad semántica. En contraste, el entrenamiento con solo datos sintéticos produjo una caída notable del rendimiento, evidenciando que los sintéticos no son capaces de sustituir la señal de los datos reales y que su utilidad depende de su integración como complemento supervisado. En conclusión, el trabajo confirma que la generación de informes sintéticos puede ser una estrategia válida para aumentar la base de datos y mejorar un modelo, pero únicamente cuando la síntesis se realiza de forma estructurada, controlada y orientada a preservar coherencia clínica. La evidencia sugiere que la estructura del prompt y el diseño del aumento son determinantes, y que futuras iteraciones deberían centrarse en mejorar la fidelidad de los datos sintéticos, priorizar variables problemáticas y reforzar la evaluación para cuantificar omisiones y alucinaciones.
Generación y aumento de imágenes sintéticas a partir de datos tabulares mediante GAN: un estudio experimental con Vision Transformers
(2026-02-09) Lavado Moraño, Mario; Cuadra Troncoso, José Manuel
Huella digital: enemiga de la privacidad y aliada del Big Data o las ciberinvestigaciones
(2021-06-01) Ballester de Torres, Vicente José; Tobarra Abad, María de los Llanos
La huella digital del dispositivo es una recopilación sistemática de información sobre un determinado dispositivo remoto con el objetivo de identificarlo, singularizarlo y, de esa forma, poder hacer un seguimiento de la actividad del usuario del mismo con el propósito de perfilarlo. Cabe destacar la diferencia entre “huella digital” (fingerprinting) y el seguimiento de huellas (footprinting). Mientras que el primero es un conjunto de datos extraídos del terminal del usuario que permiten individualizar de forma unívoca dicho terminal; el segundo es el uso de técnicas de recopilación de información en base a un sistema concreto combinando las fuentes de datos abiertas y herramientas de escaneo. Luego en la huella digital los datos son logrados directamente del dispositivo y en el footprinting acudimos en su gran mayoría a datos almacenados por terceros de nuestro dispositivo. Es frecuente que sea difícil diferenciar ambos conceptos ya que en muchos casos se comparten técnicas y herramientas con un propósito muy similar. El uso de la huella digital siempre se ha asociado a cuestiones como las campañas de marketing en sitios web, el seguimiento de los visitantes y la seguridad de acceso a medios online. Sin embargo, también puede usarse como un mecanismo de identificación de un usuario más completo que su simple dirección IP en aquellos casos forenses vinculados con redes e Internet. En este trabajo se enumerarán las huellas remotas que dejan los dispositivos en sus conexiones. Se identificarán los posibles métodos de obtención de la huella digital y se realizarán pruebas sobre los mismos para extraer conclusiones. También se enumerarán e identificarán técnicas de ofuscación que permitan ocultar las huellas remotas o que impidan la toma de una huella digital. Se encontrarán técnicas de footprinting que sean complementarias para ampliar la información a través de fuentes abiertas, y se mostrarán las posibles huellas que puedan quedar en los documentos. Se hará un análisis de las principales leyes y normas vigentes en España que regulan estas huellas, y finalmente se propondrá un proyecto para la toma de huella digital.
Implementación de CoAP verificada formalmente en SPARK/Ada
(2026-03-01) Gómez Rojo, Manuel; Pastor Vargas, Rafael
Este Trabajo Fin de Máster aborda la verificación formal de software como medio de mejorar la ciberseguridad en el ámbito de los dispositivos IoT. Con el objetivo de comprobar la viabilidad y conveniencia de este enfoque, se aplica un proceso de desarrollo seguro en la implementación del protocolo Constrained Application Protocol (CoAP), basándose principalmente en la verificación formal del software escrito en el lenguaje SPARK/Ada. Como parte de la introducción a la verificación formal, se compara este lenguaje con otros que poseen esta característica, como Frama-C o Dafny. También se realiza una breve descripción del protocolo CoAP. En su implementación, se emplean herramientas como GNATprove para demostrar la corrección del código, RecordFlux para la especificación y generación de parsers verificables, y WolfSSL para la seguridad con DTLS. Finalmente, se realiza una validación mediante pruebas de interoperabilidad con servidores CoAP y dispositivos IoT comerciales como el gateway TRÅDFRI. Las conclusiones destacan la viabilidad de la verificación formal para mejorar la ciberseguridad en IoT, pese a su mayor costo inicial.
Plataforma IoT para Monitorización Meteorológica y Control Domótico Automatizado
(2026-02-09) Buendía del Campo, Guillermo; Pérez de Madrid y Pablo, Ángel; Mañoso Hierro, María Carolina
Este Trabajo Fin de Máster aborda el diseño, desarrollo e implementación de una plataforma integral de Internet de las Cosas (IoT) para la monitorización meteorológica y la automatización domótica. La arquitectura propuesta combina una red de comunicación híbrida basada en tecnología LoRaWAN [6] para nodos de largo alcance con conectividad Wi-Fi para dispositivos locales, garantizando redundancia y fiabilidad en la transmisión de datos. La estación meteorológica desarrollada integra trece sensores que permiten la captura de variables ambientales en tiempo real: temperatura, humedad relativa, presión atmosférica, velocidad y dirección del viento, radiación ultravioleta, precipitación, calidad del aire y posición GPS. Estos datos se centralizan en un gateway local desplegado sobre un servidor Linux mediante contenedores Docker, que ejecuta servicios de almacenamiento en bases de datos de series temporales (InfluxDB), visualización (Grafana) y automatización (Node-RED). El principal aporte del proyecto reside en la integración de datos meteorológicos hiperlocales con la lógica de control domótico, superando las limitaciones de los sistemas basados en APIs meteorológicas remotas. Esta aproximación permite la toma de decisiones automatizada sobre actuadores domésticos —persianas, riego, climatización, ventilación— en función de las condiciones climáticas reales del entorno inmediato. La evaluación experimental demuestra la viabilidad de esta arquitectura híbrida para aplicaciones residenciales avanzadas.
RuralShield AI Sistema IDS adaptativo para Entornos Rurales Inteligentes
(2025-10-01) Lledó Rovira, Pablo; Tobarra Abad, María de los Llanos
El entorno rural está viviendo una transformación profunda gracias a la incorporación de nuevas tecnologías que permiten mejorar la conectividad y optimizar procesos, especialmente gracias al auge de los dispositivos IoT/IIoT, de ahí la denominación de Smart Rural. Este proceso de digitalización aporta muchas ventajas, pero también introduce nuevas vulnerabilidades y problemas asociados, de ahí que no estén exentos de uno de los principales retos a los que nos enfrentamos hoy en día, la ciberseguridad. El objetivo de este trabajo consiste en abordar esta problemática desarrollando y evaluando RuralShield AI, un IDS adaptativo basado en Deep Learning para analizar tráfico de red en tiempo real y detectar intrusiones en los entornos Smart Rural. La metodología combina el uso de un dataset público como base con la generación de tráfico IoT/IIoT sintético en un simulador de redes, el preprocesamiento de flujos de red, el entrenamiento supervisado de modelos CNN y MLP, la evaluación del rendimiento y su integración en el IDS, desplegado mediante contenedores Docker. Los modelos obtenidos alcanzaron tasas de precisión elevadas y bajos niveles de falsos positivos, demostrando su eficacia frente a los tipos de ataques más representativos del entorno IoT. Además, el proyecto se plantea como una guía metodológica para el reentrenamiento y actualización de modelos, ofreciendo un sistema adaptable frente a las nuevas amenazas de los entornos IoT rurales.
Sistema de autopreservación y adquisición de evidencias sobre máquinas virtuales
(2021-10-01) Quintana Pajuelo, Alejandro; Tobarra Abad, María de los Llanos
Este trabajo final de máster trata del desarrollo de una herramienta software para preservar y adquirir evidencias. La fase de adquisición de evidencias es un proceso de tareas repetitivas que se podrían automatizar, y lo que se pretende es optimizar el tiempo de preservar y adquirir evidencias, con la automatización de las mismas, para así poder dedicar más tiempo a la fase de análisis. El software está basado en la automatización de procesos según buenas prácticas descritas en “RFC3227-Guidelines for Evidence Collection and Archiving”, y permite adquirir evidencias sobre las distintas máquinas virtuales, que según su estado lo realizará de la manera adecuada para ello.
Sistema de monitorización remota de trampas Funnel para la captura de heteróceros
(2021-06-01) Montero Calvo, Adrián Javier; Pérez de Madrid y Pablo, Ángel; Mañoso Hierro, María Carolina
Synanthedon vespiformis y S. conopiformis son dos especies de polilla que, en su estadio larvario, se alimentan de la madera de varias especies de la familia de los robles. En los últimos años se ha observado un incremento de sus daños en encinares y alcornocales extremeños. El objetivo de este trabajo es el desarrollo de un sistema completo para la detección y almacenamiento del momento de la captura de estos insectos en trampas tipo Funnel, junto con otros parámetros de interés para su posterior análisis. Se han estudiado diferentes alternativas para cada uno de los componentes del sistema, seleccionando la más adecuada. Toda la aplicación se ha concebido alrededor de la tecnología de red LoRaWAN, que permite la transmisión de datos a grandes distancias y compite con ventaja en este proyecto, respecto a otras tecnologías de red, por su escalabilidad y la ausencia de costes de suscripción. Se ha diseñado un sensor de paso de insectos y un circuito electrónico que lo integra junto con otros sensores que permiten la adquisición de parámetros ambientales. El circuito es gobernado por una placa de control, dotada de un concentrador LoRa, para la que hemos de desarrollado un software específico que le permite convertirse en un nodo LoRaWAN, transmitiendo los datos recogidos por los sensores a una red privada. Se le ha diseñado un cuerpo que permite integrar el nodo en las trampas Funnel. A través de gateways, los nodos se comunican con el resto de una red dotada de una configuración específica que hemos basado en la pila de aplicaciones Chirpstack, con capacidad de filtrado de mensajes duplicados, autenticación, cifrado y almacenamiento de mensajes en un servidor de bases de datos. A este servidor podrán acceder los usuarios del sistema para recopilar la información de las capturas, de los nodos y de las particularidades de la comunicación. Se provee al sistema de una capa de aplicación, basada en el servicio de escritorios Grafana, para la visualización de los datos en tiempo real o en diferido. El sistema diseñado es eficaz en el cumplimiento de los objetivos marcados habiéndose podido comprobar que LoRaWAN es una red adecuada para este tipo de aplicaciones.

Examinar

Examinando TFM, TFG y otros trabajos académicos por Centro "Escuela Técnica Superior de Ingeniería Informática"

Resultados por página

Opciones de ordenación