Colegio Nacional de Educación Profesional Técnica

Detección de malware con

machine learning
Área
Tecnología y transporte

Núcleo de formación
profesional

4° semestre

Carrera:
Profesional Técnico-Bachiller en
Ciencia de datos e inteligencia artificial

DMML-00 1/ 22
Colegio Nacional de Educación Profesional Técnica

Editor: Colegio Nacional de Educación Profesional Técnica

Programa de estudios del Módulo: Detección de malware con machine learning.

Área: Tecnología y transporte.

Carrera: Ciencia de datos e inteligencia artificial.

Semestre: Cuarto.

© Colegio Nacional de Educación Profesional Técnica

Fecha de diseño o actualización: 11 de octubre de 2021.

Vigencia: Cuatro años, en tanto no se produzca un documento que lo anule o desaparezca el objeto del actual.

Prohibida la reproducción total o parcial de esta obra por cualquier medio, sin autorización por escrito del CONALEP.

DMML-00 2/ 22
Colegio Nacional de Educación Profesional Técnica

Directorio
Director General Coordinadores de la Dirección de Diseño Curricular:
Enrique Ku Herrera

Secretario General Áreas de Básicas y de Servicios

Rolando de Jesús López Saldaña Caridad del Carmen Cruz López

Secretario Académico Áreas de Mantenimiento e Instalación, Electricidad,

David Fernando Beciez González Electrónica y TIC
Norma Elizabeth García Prado
Secretaria de Administración
Susana Guerrero Martín Áreas de Procesos de Producción y Transformación

Secretario de Planeación y Desarrollo Institucional

Rosalío Tabla Cerón Recursos Académicos
Maritza E. Huitrón Miranda
Secretario de Servicios Institucionales
José Antonio Gómez Mandujano Ambientes Académicos y Bibliotecas
Eric Durán Dávila
Director Corporativo de Asuntos Jurídicos
José Luis Martínez Garza

Titular de la Unidad de Estudios e Intercambio

Académico
María del Carmen Verdugo Reyes

Director Corporativo de Tecnologías Aplicadas

José Cartagena Subdias

Director de Diseño Curricular

Andrés Madrigal Hernández

DMML-00 3/ 22
Colegio Nacional de Educación Profesional Técnica

Módulo: Detección de malware con machine learning

Contenido Pág.

1 Mensaje del Director General 5

2 Mensaje del Secretario Académico 6

Capítulo I: Generalidades de las Carreras

1.1 Objetivo de la Carrera 7

1.2 Competencias Transversales al Currículum 8

Capítulo II: Aspectos Específicos del Módulo

2.1 Presentación 10

2.2 Propósito del Módulo 12

2.3 Mapa del Módulo 13

2.4 Unidades de Aprendizaje 14

2.5 Referencias 22

DMML-00 4/ 22
Colegio Nacional de Educación Profesional Técnica

1. Mensaje del Director General

El Sistema CONALEP invita a valorar las repercusiones de ser una Institución de Excelencia Educativa; a proponer que en cada
uno de nuestros planteles se piense en las formas tan diversas que existen de aportar, para que México sea mejor, más justo y
equitativo con el esfuerzo de todos.

Un estudiante formado en nuestros planteles, deberá siempre distinguirse por su continuo esfuerzo para incorporarse en las
mejores condiciones al mercado laboral o tener la opción de continuar sus estudios en Educación Superior para competir con
otros jóvenes en un mundo productivo que cada día demanda un mayor dominio de la técnica y la tecnología frente a los
enormes retos de la industria 4.0 y las necesidades de la sociedad mexicana.

Estos programas de estudio son resultado del intenso trabajo de docentes, académicos de prestigio e instituciones del sector
productivo, público y privado, para lograr una opción de formación de calidad, al servicio de los sobresalientes estudiantes de
la República Mexicana.

Dr. Enrique Ku Herrera

Director General del Sistema CONALEP

DMML-00 5/ 22
Colegio Nacional de Educación Profesional Técnica

2. Mensaje del Secretario Académico

Educar, implica una gran responsabilidad, la tarea es compleja, tiene que ver con los intereses y las necesidades de los alumnos,
con la vocación del profesional de la educación involucrado en ello, su claridad, voluntad y preocupación por hacer llegar de
mejor manera el saber a sus estudiantes.

Educar, también es responder a las necesidades del entorno inmediato de la familia, de la comunidad, del país y, desde luego,
con el propio desarrollo de la humanidad.

El cumplimiento de los planes y programas de estudio vigentes, plantean el desafío de ser acordes con los tiempos actuales,
así como con el desarrollo económico, social y cultural del país, entre otros; habrán de expresar en sus contenidos, de manera
clara, las estrategias de planeación, desarrollo y evaluación; asimismo, contienen invariablemente una visión precisa acerca de
lo que se quiere lograr con ellos, en la relación educativa entre docentes y alumnos.

El presente documento es producto del esfuerzo coordinado de grupos de especialistas, docentes y trabajadores al servicio de
la Educación, para cumplir con su diseño el reto de confirmar que el Sistema CONALEP es una Institución de Excelencia
Educativa.

Con el esfuerzo de todos, se concreta esta misión educativa, fundamental para el desarrollo de nuestro país.

Mtro. David Fernando Beciez González

Secretario Académico del CONALEP

DMML-00 6/ 22
Colegio Nacional de Educación Profesional Técnica

CAPÍTULO I: Generalidades de la Carrera

1.1 Objetivo General de la Carrera

P.T-B en Ciencia de datos e inteligencia artificial

Aplicar modelos de inteligencia artificial por medio del análisis de datos, así como del conjunto de elementos para gestionar la información
de la nube, utilizando paradigmas de programación, a fin de generar soluciones tecnológicas innovadoras en los diversos sectores de la
industria.

DMML-00 7/ 22
Colegio Nacional de Educación Profesional Técnica

1.2 Competencias Transversales al Currículum (*)

Competencias Genéricas Atributos

• Enfrenta las dificultades que se le presentan y es consciente de sus valores, fortalezas y debilidades.
Se autodetermina y cuida de sí
• Identifica sus emociones, las maneja de manera constructiva y reconoce la necesidad de solicitar apoyo ante
1. Se conoce y valora a sí mismo y
una situación que lo rebase.
aborda problemas y retos
• Elige alternativas y cursos de acción con base en criterios sustentados y en el marco de un proyecto de vida.
teniendo en cuenta los
• Analiza críticamente los factores que influyen en su toma de decisiones.
objetivos que persigue. • Asume las consecuencias de sus comportamientos y decisiones.
• Administra los recursos disponibles teniendo en cuenta las restricciones para el logro de sus metas.
2. Es sensible al arte y participa
en la apreciación e • Valora el arte como manifestación de la belleza y expresión de ideas, sensaciones y emociones.
interpretación de sus • Experimenta el arte como un hecho histórico compartido que permite la comunicación entre individuos y
expresiones en distintos culturas en el tiempo y el espacio, a la vez que desarrolla un sentido de identidad.
géneros. • Participa en prácticas relacionadas con el arte

• Reconoce la actividad física como un medio para su desarrollo físico, mental y social.
3. Elige y practica estilos de vida
• Toma decisiones a partir de la valoración de las consecuencias de distintos hábitos de consumo y conductas
saludables.
de riesgo.
• Cultiva relaciones interpersonales que contribuyen a su desarrollo humano y el de quienes lo rodean.
Se expresa y comunica
4. Escucha, interpreta y emite • Expresa ideas y conceptos mediante representaciones lingüísticas, matemáticas o gráficas.
mensajes pertinentes en • Aplica distintas estrategias comunicativas según quienes sean sus interlocutores, el contexto en el que se
distintos contextos mediante encuentra y los objetivos que persigue.
la utilización de medios, • Identifica las ideas clave en un texto o discurso oral e infiere conclusiones a partir de ellas.
códigos y herramientas • Se comunica en una segunda lengua en situaciones cotidianas.
apropiados. • Maneja las tecnologías de la información y la comunicación para obtener información y expresar ideas.

• Sigue instrucciones y procedimientos de manera reflexiva, comprendiendo como cada uno de sus pasos
contribuye al alcance de un objetivo.
Piensa crítica y reflexivamente
• Ordena información de acuerdo con categorías, jerarquías y relaciones.
5. Desarrolla innovaciones y
• Identifica los sistemas y reglas o principios medulares que subyacen a una serie de fenómenos.
propone soluciones a
• Construye hipótesis y diseña y aplica modelos para probar su validez.
problemas a partir de métodos
• Sintetiza evidencias obtenidas mediante la experimentación para producir conclusiones y formular nuevas
establecidos. preguntas.
• Utiliza las tecnologías de la información y comunicación para procesar e interpretar información.

DMML-00 8/ 22
Colegio Nacional de Educación Profesional Técnica

Competencias Genéricas Atributos

6. Sustenta una postura personal
• Elige las fuentes de información más relevantes para un propósito específico y discrimina entre ellas de
sobre temas de interés y
acuerdo a su relevancia y confiabilidad.
relevancia general,
• Evalúa argumentos y opiniones e identifica prejuicios y falacias.
considerando otros puntos de
• Reconoce los propios prejuicios, modifica sus puntos de vista al conocer nuevas evidencias, e integra nuevos
vista de manera crítica y
conocimientos y perspectivas al acervo con el que cuenta.
reflexiva.
• Estructura ideas y argumentos de manera clara, coherente y sintética.
Aprende de forma autónoma • Define metas y da seguimiento a sus procesos de construcción de conocimiento.
7. Aprende por iniciativa e interés • Identifica las actividades que le resultan de menor y mayor interés y dificultad, reconociendo y controlando
propio a lo largo de la vida. sus reacciones frente a retos y obstáculos.
• Articula saberes de diversos campos y establece relaciones entre ellos y su vida cotidiana.
• Propone maneras de solucionar un problema o desarrollar un proyecto en equipo, definiendo un curso de
Trabaja en forma colaborativa
acción con pasos específicos.
8. Participa y colabora de manera
• Aporta puntos de vista con apertura y considera los de otras personas de manera reflexiva.
efectiva en equipos diversos.
• Asume una actitud constructiva, congruente con los conocimientos y habilidades con los que cuenta dentro
de distintos equipos de trabajo.
• Privilegia el diálogo como mecanismo para la solución de conflictos.
Participa con responsabilidad en
• Toma decisiones a fin de contribuir a la equidad, bienestar y desarrollo democrático de la sociedad.
la sociedad
• Conoce sus derechos y obligaciones como mexicano y miembro de distintas comunidades e instituciones, y
9. Participa con una conciencia
reconoce el valor de la participación como herramienta para ejercerlos.
cívica y ética en la vida de su
• Contribuye a alcanzar un equilibrio entre el interés y bienestar individual y el interés general de la sociedad.
comunidad, región, México y el
• Actúa de manera propositiva frente a fenómenos de la sociedad y se mantiene informado.
mundo.
• Advierte que los fenómenos que se desarrollan en los ámbitos local, nacional e internacional ocurren dentro
de un contexto global interdependiente.
10. Mantiene una actitud
• Reconoce que la diversidad tiene lugar en un espacio democrático de igualdad de dignidad y derechos de
respetuosa hacia la
todas las personas, y rechaza toda forma de discriminación.
interculturalidad y la
• Dialoga y aprende de personas con distintos puntos de vista y tradiciones culturales mediante la ubicación de
diversidad de creencias,
sus propias circunstancias en un contexto más amplio.
valores, ideas y prácticas
• Asume que el respeto de las diferencias es el principio de integración y convivencia en los contextos local,
sociales.
nacional e internacional.
• Asume una actitud que favorece la solución de problemas ambientales en los ámbitos local, nacional e
11. Contribuye al desarrollo
internacional.
sustentable de manera crítica,
• Reconoce y comprende las implicaciones biológicas, económicas, políticas y sociales del daño ambiental en
con acciones responsables.
un contexto global interdependiente.
• Contribuye al alcance de un equilibrio entre los intereses de corto y largo plazo con relación al ambiente.
*Fuente: Acuerdo 444 por el que se establecen las competencias que constituyen el Marco Curricular Común del Sistema Nacional de Bachillerato.

DMML-00 9/ 22
Colegio Nacional de Educación Profesional Técnica

CAPÍTULO II: Aspectos Específicos del Módulo

2.1. Presentación
El módulo de Detección de malware con machine learning corresponde al núcleo de Formación Profesional de la carrera de Profesional
Técnico-Bachiller en Ciencia de datos e inteligencia artificial, se cursa en el cuarto semestre, y tiene como propósito que el alumno
utilizando la técnica de Machine Learning y un conjunto de datos etiquetados logre hacer la detección de malware. Este módulo forma
parte del Trayecto Técnico Seguridad y Criptografía.

Para el logro de lo antes planteado, el módulo está conformado por dos unidades de aprendizaje; la Unidad 1 Descripción del entorno de
análisis del malware mediante la cual se pretende que el alumno logre identificar y diferenciar un malware, así como los métodos, técnicas
y algoritmos de análisis estadístico para su detección; por otro lado, con la Unidad 2 Implementación de algoritmos en un entorno de
análisis para la detección de malware, en donde haciendo uso de algoritmos de clasificación y regresión mediante un entorno de análisis
hará la detección de software malicioso.

La contribución del módulo al perfil de egreso de la carrera en el que está considerado, se centra en aportar para que, con el desarrollo de
otras competencias de la carrera, el alumno logre las siguientes competencias definidas para el dominio de técnicas analíticas como el
machine-learning, deep-learning y analítica de texto, utilizar modelos predictivos con base en las actividades o proyectos de una empresa
y procesar datos empleando métodos matemáticos, estadísticos que sirvan para el aprendizaje.

La formación profesional del PT-B, en la carrera antes mencionada, está diseñada con un enfoque de procesos, lo cual implica que este
módulo tiene relación con competencias profesionales presentes en módulos que le preceden para resolver problemas cotidianos
haciendo uso de las TIC en la creación de soluciones que permitan implementar procesos de innovación; integrar mediante código en un
lenguaje de programación funciones de diferentes medios; implementar técnicas para el almacenado de datos, manejo y consulta por
medio de gestores de bases de datos; así como, interpretar las representaciones numéricas y gráficas, resultado de un análisis estadístico.
El módulo Detección de malware con machine learning tiene una relación directa con otros módulos como son: Ciberseguridad en
aplicaciones WEB y Análisis de ciberamenazas, la relación es estrecha porque entre los tres conforman el Trayecto Técnico de Seguridad y
Criptografía.

La tarea educativa en este módulo tendrá que diversificarse, con el fin de que los docentes realicen funciones preceptoras, las que
consistirán en la guía y acompañamiento de los alumnos durante su proceso de formación académica y personal y en la definición de
estrategias de participación que permitan incorporar a su familia en un esquema de corresponsabilidad que coadyuve a su desarrollo

DMML-00 10/ 22
Colegio Nacional de Educación Profesional Técnica

integral; por tal motivo, deberá destinar tiempo dentro de cada unidad para brindar este apoyo a la labor educativa de acuerdo al Programa
de Preceptorías.

Por último, es necesario que al final de cada unidad de aprendizaje se considere una sesión de clase en la cual se realice la recapitulación
de los aprendizajes logrados, en lo general, por los alumnos, con el propósito de verificar que éstos se han alcanzado o, en caso contrario,
determinar las acciones de mejora pertinentes. En este proceso, los docentes tienen la facultad de instrumentar las modalidades de
autoevaluación, coevaluación y heteroevaluación, de acuerdo con las condiciones particulares de su entorno, aun cuando de manera
institucional se definen los criterios e indicadores para su aplicación.

DMML-00 11/ 22
Colegio Nacional de Educación Profesional Técnica

2.2. Propósito del módulo

Realizar la detección de malware mediante el uso de algoritmos de análisis estadístico en machine learning para posibilitar
soluciones tecnológicas.

DMML-00 12/ 22
Colegio Nacional de Educación Profesional Técnica

2.3. Mapa del Módulo

Nombre del Módulo Unidad de Aprendizaje Resultado de aprendizaje

1.1 Describe los tipos de malware de acuerdo con sus

comportamientos y características.
1. Descripción del entorno de
10 horas
análisis del malware.

25 horas
1.2 Describe métodos, técnicas y algoritmos de análisis estadístico para
la detección de software malicioso.

15 horas
Detección de malware
con machine learning
2.1 Implementa el entorno de desarrollo y las librerías para la ejecución
de métodos y algoritmos de análisis estadístico de Machine
90 horas
Learning para su aplicación en el análisis de datos.

2. Implementación de algoritmos 30 horas

en un entorno de análisis para la
detección de malware.

65 horas 2.2 Hace uso de algoritmos estadísticos para la detección de software

malicioso.

35 horas

DMML-00 13/ 22
Colegio Nacional de Educación Profesional Técnica

2.4. Unidades de Aprendizaje

Unidad de Aprendizaje: Descripción del entorno de análisis del malware. Número 1

Describir malware, así como métodos, técnicas y algoritmos de análisis estadístico para
Propósito de la unidad 25 horas
la detección de software malicioso.

Resultado de aprendizaje: 1.1. Describe los tipos de malware de acuerdo con sus comportamientos y
10 horas
características.

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

1.1.1. Elabora un mapa ✓ ✓ • Mapa Conceptual 15 % A. Concepto de malware
conceptual acerca de elaborado B. Descripción de fuentes de
malware que detalle: infección
• Concepto • Correo de identificación
• Fuentes de infección falsa
• Tipos • Correo Spam
• Phishing
• Instalación de software
pirata
• Páginas de dudosa
catalogación
C. Descripción de tipos,
comportamientos y
características del malware
• Adaware
• Bot
• Bug
• Ransomeware
• Rootkit
• Spyware
• Trojan Horse

DMML-00 14/ 22
Colegio Nacional de Educación Profesional Técnica

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

• Virus
• Worm
• Backdoor
• Keylogger
• Remote-Access Trojan
• Botnets
C: Conceptual P: Procedimental A: Actitudinal

DMML-00 15/ 22
Colegio Nacional de Educación Profesional Técnica

1.2. Describe métodos, técnicas y algoritmos de análisis estadístico para la detección de

Resultado de aprendizaje 15 horas
software malicioso.

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

1.2.1. Elabora una presentación ✓ ✓ • Presentación elaborada 20 % A. Descripción de métodos de
acerca de la detección de • Video de la exposición detección de malware
malware mediante alguna • Basada en firmas
herramienta digital • Basada en heurística
disponible en Internet de
• Basadas en el
uso gratuito para su
exposición ante el grupo, comportamiento
que incluya lo siguiente: B. Descripción de técnicas de
• Métodos detección de malware
• Técnicas • Análisis estático
• Algoritmos de • Análisis dinámico
aprendizaje C. Identificación de algoritmos
de aprendizaje
• Supervisado
- Clasificación
o K-Nearest Neighbors
o Decision Tree
o Random Forest
o Red Neuronal
o Naive Bayes
- Regresión
o Random Forest
• No supervisado
- Clustering

Sesión para recapitulación y entrega de evidencias.

C: Conceptual P: Procedimental A: Actitudinal

DMML-00 16/ 22
Colegio Nacional de Educación Profesional Técnica

Implementación de algoritmos en un entorno de análisis para la detección

Unidad de Aprendizaje: Número 2
de malware.
Uso de algoritmos de clasificación y regresión mediante un entorno de análisis para la
Propósito de la unidad 65 horas
detección de software malicioso.

Resultado de aprendizaje: 2.1. Implementa el entorno de desarrollo y las librerías para la ejecución de métodos y
algoritmos de análisis estadístico de Machine Learning para su aplicación en el 30 horas
análisis de datos.
Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos
2.1.1 Desarrolla instrucciones de ✓ ✓ ✓ • Código de programación 30 % A. Machine Learning
programación para la del Proyecto de análisis • Concepto
ejecución de métodos y desarrollado. • Usos
algoritmos de análisis • Etapas del proceso
estadístico de machine
- Definición del objetivo
learning orientados a:
• Evaluación del modelo - Recopilación y
• Métricas de regresión preparación de datos
- Elección del modelo
• Estimación del modelo
- Entrenamiento del
• Asignación y análisis de
modelo
variables
- Evaluación del Modelo
- Análisis de errores
B. Descripción de los lenguajes
de programación para
Machine Learning
• Python
• Julia
• R
• Matlab
C. Instalación y configuración de
IDE y librerías de Python
• Anaconda
• Jupyter

DMML-00 17/ 22
Colegio Nacional de Educación Profesional Técnica

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

• NumPy
• Pandas
• Matplotlib
D. Manejo de las principales
librerías de Python.
• Scikit-Learn
- DataSet
- Extracción y selección de
características
• NumPy
• Pandas
- Series
- DataFrame
o Carga de datos de
archivos
o Análisis de datos con
funciones
▪ head(n)
▪ tail(n)
▪ describe
o Filtrado y
manipulación de
datos filas
▪ .loc
▪ .iloc
o Obtener columnas
o Selecciones
condicionales
• Matplotlib
- Función Plot()
- Parámetro “kind”
C: Conceptual P: Procedimental A: Actitudinal

DMML-00 18/ 22
Colegio Nacional de Educación Profesional Técnica

Resultado de aprendizaje 2.2. Hace uso de algoritmos estadísticos para la detección de software malicioso. 35 horas

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

2.2.1. Implementa el algoritmo ✓ ✓ ✓ • Código de programación. 35 % A. Implementación de
de clasificación Decision • Presentación del análisis algoritmos de clasificación
Tree mediante el desarrollo realizado. • K-Nearest Neighbors
de rutinas de • Video de la exposición - Importación de librerías
programación en un
Python
entorno de detección y
análisis para su - Importación de la base de
presentación ante el grupo, datos
organizadas conforme a las o Data Set Reading
etapas del machine o Extracción de
learning: atributos
• Recopilación y - Aprendizaje y predicción
preparación de datos o Modelo definido
• Elección del modelo o Definir datos de
• Entrenamiento del entrenamiento
modelo o Definir datos de
• Evaluación del modelo prueba
• Análisis de errores o Predecir
o Cálculo de la tasa de
éxito
o Visualización
▪ Matriz de confusión
▪ Curva de
recuperación de
precisión
o Elaboración de
conclusiones
• Decision Tree
- Importación de librerías
Python

DMML-00 19/ 22
Colegio Nacional de Educación Profesional Técnica

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

- Importación de la base de
datos
o Data Set Reading
o Extracción de
atributos
- Aprendizaje y predicción
o Modelo definido
o Definir datos de
entrenamiento
o Definir datos de
prueba
o Predecir
o Cálculo de la tasa de
éxito
o Visualización
▪ Matriz de confusión
▪ Curva de
recuperación de
precisión
o Elaboración de
conclusiones
B. Implementación de
algoritmo de regresión con
Random Forest.
• Importación de librerías
Python
• Importación de la base de
datos
- Dataset Reading
- Extracción de atributos
• Aprendizaje y predicción
- Modelo definido

DMML-00 20/ 22
Colegio Nacional de Educación Profesional Técnica

Actividades de evaluación C P A Evidencias a recopilar Ponderación Contenidos

- Definir datos de
entrenamiento
- Definir datos de prueba
- Predecir
- Cálculo de la tasa de éxito
- Visualización
o Matriz de confusión
o Curva de recuperación
de precisión
- Elaboración de
conclusiones

Sesión para recapitulación y entrega de evidencias.

C: Conceptual P: Procedimental A: Actitudinal

DMML-00 21/ 22
Colegio Nacional de Educación Profesional Técnica

2.5. Referencias

Básicas:

• Fenner, M. (2019). Machine Learning with Python for Everyone. Addison Wesley & analytics Series.
• Silaparasetty, N. (2020) Machine Learning Concepts with Python and the Jupyter Notebook Environment: Using Tensorflow 2.0.
Apress.
• Van Smit, G. (2019) Python for Data Analysis: A Complete Crash Course on Python for Data Science to Learn Essential Tools and
Python Libraries, NumPy, Pandas, Jupyter Notebook, Analysis and Visualization. Maria Concepcion Lapinid.

Complementarias:

• IEEE Xplore. (2021) A Combination Method for Android Malware Detection Based on Control Flow Graphs and Machine Learning
Algorithms. Recuperado de https://ieeexplore.ieee.org/document/8629067

• Kaspersky. (2021) Machine Learning for Malware Detection. Recuperado de https://media.kaspersky.com/en/enterprise-

security/Kaspersky-Lab-Whitepaper-Machine-Learning.pdf

• IEEE Xplore. Malware detection using machine learning. Recuperado de

https://ieeexplore.ieee.org/document/5352759?arnumber=5352759

Páginas Web:

• Data to Fish. Recuperado de https://datatofish.com/.

DMML-00 22/ 22