Prototipo de sistema distribuido basado en IA para la gestión de logs que apoye  procesos de DRP – ProtypeLog

León Mendoza, Javier Alejandro; Beltrán Pinzón, Esperanza; Oviedo Cortés, Diego Andrés

Publicación:
Prototipo de sistema distribuido basado en IA para la gestión de logs que apoye procesos de DRP – ProtypeLog

dc.contributor.advisor	Chéry Leal, Marie José
dc.contributor.author	León Mendoza, Javier Alejandro
dc.contributor.author	Beltrán Pinzón, Esperanza
dc.contributor.author	Oviedo Cortés, Diego Andrés
dc.contributor.jury	Porras Vega, John Jairo
dc.creator.id	1023969913
dc.creator.id	CC 1013690594
dc.creator.id	CC 1001096658
dc.date.accessioned	2026-08-17T20:17:54Z
dc.date.issued	2026-07-27
dc.description.abstract	La integración de la computación en la nube y las tecnologías de redes inteligentes ha aumentado significativamente la complejidad de los sistemas empresariales, generando un crecimiento acelerado en el número de registros producidos por equipos y aplicaciones. En este contexto, el proceso de logging (registro de eventos) adquiere un papel estratégico, ya que el acceso oportuno y confiable a la información contenida en dichos registros es esencial para garantizar la continuidad operativa y la recuperación eficiente ante desastres. Sin embargo, los métodos tradicionales de gestión de logs presentan limitaciones para procesar grandes volúmenes de datos y ofrecer información útil en un marco temporal adecuado. Este proyecto propone desarrollar un prototipo de solución tecnológica basado en un agente de inteligencia artificial, orientado hacia la automatización del proceso de logging en entornos distribuidos y que facilite el proceso de mantenimiento de manera que ofrezca soporte y/o apoyo a procesos de recuperación de desastres (DRP). La validación del prototipo demostrará su potencial para mejorar la accesibilidad a los registros, optimizar la recuperación ante desastres y ofrecer una base escalable para la gestión de información en aplicaciones empresariales.	spa
dc.description.abstract	The integration of cloud computing and innovative networking technologies has significantly increased the complexity of business systems, accelerating the growth of records produced by equipment and applications. In this context, event logging takes on a strategic role because timely and reliable access to the information in these logs is essential for ensuring operational continuity and efficient disaster recovery. However, traditional log management methods are limited in their ability to process large volumes of data and provide useful information in a timely manner. This project proposes the development of a prototype technological solution based on an artificial intelligence agent, designed to automate the logging process in distributed environments and facilitate maintenance, thereby providing support for disaster recovery processes (DRP). Validating the prototype will demonstrate its potential to improve log accessibility, optimize disaster recovery, and provide a scalable foundation for managing information in enterprise applications.	eng
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero de Sistemas
dc.description.tableofcontents	Resumen ............................................................................................................................................... 6 Abstract ................................................................................................................................................ 7 Contenido ........................................................................................................................................... 11 Lista de Tablas ................................................................................................................................... 13 Tabla de Figuras ................................................................................................................................ 14 Introducción ....................................................................................................................................... 15 Objetivos ............................................................................................................................................ 16 Objetivo general ................................................................................................................................... 16 Objetivos específicos ............................................................................................................................ 16 Definición del problema ..................................................................................................................... 17 Justificación ....................................................................................................................................... 18 Análisis de Requerimientos ................................................................................................................ 20 Intención del producto ......................................................................................................................... 20 Verificación de parámetros de diseño ................................................................................................. 21 Estimación de características de diseño .............................................................................................. 21 Requerimientos Funcionales y no Funcionales del sistema prototipo............................................... 23 Marco Teórico .................................................................................................................................... 25 Análisis de restricciones ..................................................................................................................... 30 Marco Metodológico .......................................................................................................................... 35 Resultados .......................................................................................................................................... 44 Análisis de Costos ............................................................................................................................... 47 Costos Directos .................................................................................................................................... 48 Costos Indirectos .................................................................................................................................. 51 Conclusiones ....................................................................................................................................... 53 Referencias ......................................................................................................................................... 55	spa
dc.format	pdf
dc.format.extent	51 páginas
dc.format.medium	Recurso electrónico	spa
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Universidad Ean	spa
dc.identifier.local	BDM-FIS
dc.identifier.reponame	reponame:Repositorio Institucional Biblioteca Digital Minerva	spa
dc.identifier.repourl	https://repository.ean.edu.co/
dc.identifier.uri	https://hdl.handle.net/10882/19496
dc.language.iso	spa
dc.publisher.faculty	Facultad de Ingeniería
dc.publisher.program	Ingeniería de Sistemas
dc.relation.references	American Psychological Association. (2020). Publication manual of the American Psychological Association : the official guide to APA style. American Psychological Association. AWS.com. (2025). ¿Qué es un LLM (modelo de lenguaje de gran tamaño)? Amazon AWS. https://aws.amazon.com/es/what-is/large-language-model/ Chuah, E., Jhumka, A., Malek, M., & Suri, N. (2022). A Survey of Log-Correlation Tools for Failure Diagnosis and Prediction in Cluster Systems. IEEE Access, 10, 133487–133503. https://doi.org/10.1109/ACCESS.2022.3231454 Creswell, J. W., & Creswell, J. D. (2017). Research design. Qualitative, quantitative, and mixed methods approaches (SAGE Publications, Ed.; 5a ed.). SAGE Publications. Dynatrace. (2025, octubre 15). Log processing. https://docs.dynatrace.com/docs/analyzeexplore-automate/logs/lma-log-processing Flinders, M., & Smalley, I. (2025). What is log analysis? IBM. https://www.ibm.com/think/topics/log-analysis Fortinet.com. (2023, abril 27). Disaster Recovery: Definition, Types & Planning. Google Cloud. (2025a). ¿Qué es la arquitectura de nube? https://cloud.google.com/learn/whatis-cloud-architecture Google Cloud. (2025b). ¿Qué es la computación en la nube? https://cloud.google.com/learn/what-is-cloud-computing Guo, H., Yuan, S., & Wu, X. (2021). LogBERT: Log Anomaly Detection via BERT. Proceedings of the International Joint Conference on Neural Networks, 2021-July. https://doi.org/10.1109/IJCNN52387.2021.9534113 Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodología de la investigación (6a edición.). McGraw Hill. Hu, J., Long, L., Sui, H., Gu, Z., & Zheng, G. (2025). CFTL: System Log Parsing Method Driven from Clustering According to First Token and Length for Anomaly Detection. Applied Sciences (Switzerland), 15(4). https://doi.org/10.3390/APP15041740 IBM.com. (2025). What is a disaster recovery plan (DRP)? What is a disaster recovery plan (DRP)? Ji, X., Zhang, L., Zhang, W., Peng, F., Mao, Y., Liao, X., & Zhang, K. (2025). LEMAD: LLM Empowered Multi-Agent System for Anomaly Detection in Power Grid Services. Electronics 2025, Vol. 14, Page 3008, 14(15), 3008. https://doi.org/10.3390/ELECTRONICS14153008 Lee, J., Jeong, Y., Han, T., & Lee, T. (2025). LogRESP-Agent: A Recursive AI Framework for Context-Aware Log Anomaly Detection and TTP Analysis. Applied Sciences 2025, Vol. 15, Page 7237, 15(13), 7237. https://doi.org/10.3390/APP15137237 Martins, J. (2025, enero 19). What is Kanban? A Beginner’s Guide for Agile Teams. Asana.com. https://asana.com/en/resources/what-is-kanban OECD. (2015). Frascati Manual 2015 : Guidelines for Collecting and Reporting Data on Research and Experimental Development. OECD Publishing. Peddinti, S. R., Katragadda, S. R., Pandey, B. K., & Tanikonda, A. (2023). Utilizing Large Language Models for Advanced Service Management: Potential Applications and Operational Challenges. SSRN Electronic Journal. https://doi.org/10.2139/SSRN.5119925 Radlgan, D. (2025). Kanban. Atlassian.com. https://www.atlassian.com/agile/kanban RedHat.com. (2025, enero 29). Understanding automation. Red Hat. https://www.redhat.com/en/topics/automation Scrum.org. (s/f). Introduction to the Sprint Retrospective. Scrum.org. Recuperado el 20 de septiembre de 2025, de https://www.scrum.org/resources/introduction-sprint-retrospective Slack.com. (2024, octubre 27). Knowledge Base: comparte el conocimiento de tu empresa. https://slack.com/intl/es-es/blog/productivity/knowledge-base-comparte-el-conocimientode-tu-empresa Song, C., Ma, L., Zheng, J., Liao, J., Kuang, H., & Yang, L. (2024). Audit-LLM: Multi-Agent Collaboration for Log-based Insider Threat Detection. https://arxiv.org/pdf/2408.08902 Stryker, C., & Kavlakoglu, E. (2025). What is artificial intelligence (AI)? IBM. https://www.ibm.com/think/topics/artificial-intelligence Zettler, K. (2025, noviembre 21). What is a distributed system? Atlassian. https://www.atlassian.com/microservices/microservicesarchitecture/distributed-architecture Zhang, M., Chen, J., Liu, J., Wang, J., Shi, R., & Sheng, H. (2022). LogST: Log Semi supervised Anomaly Detection Based on Sentence-BERT. https://doi.org/10.1109/ICSIP55141.2022.9886069
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.license	Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.local	Abierto (Texto Completo)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject.armarc	Procesamiento electrónico de datos - Procesamiento distribuido	spa
dc.subject.armarc	Computación en la nube	spa
dc.subject.armarc	Inteligencia artificial	spa
dc.subject.armarc	Computación en la nube	spa
dc.subject.armarc	Transformación digital	spa
dc.subject.armarc	Productividad industrial - Efecto de las innovaciones tecnológicas	spa
dc.subject.lemb	Automatización	spa
dc.subject.proposal	Registro de sistema	spa
dc.subject.proposal	Agentes de IA	spa
dc.subject.proposal	DRP	spa
dc.subject.proposal	Logging	spa
dc.subject.proposal	System log	eng
dc.subject.proposal	AI agents	eng
dc.subject.proposal	DRP	eng
dc.subject.proposal	Logging	eng
dc.title	Prototipo de sistema distribuido basado en IA para la gestión de logs que apoye procesos de DRP – ProtypeLog	spa
dc.title	Prototype of an AI-Based Distributed system for log management to support DRP processes – protypeLog	eng
dc.type	Trabajo de grado - Pregrado
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.content	Text
dc.type.driver	info:eu-repo/semantics/bachelorThesis
dc.type.other	Trabajo de grado - Pregrado
dc.type.redcol	http://purl.org/redcol/resource_type/TP
dc.type.version	info:eu-repo/semantics/acceptedVersion
dspace.entity.type	Publication
person.affiliation.name	Ingeniería de Sistemas
person.affiliation.name	Ingeniería de Sistemas
person.affiliation.name	Ingeniería de Sistemas