News

Banca de DEFESA: DIEGO MEDEIROS DE ABREU

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: DIEGO MEDEIROS DE ABREU
DATA: 22/12/2021
HORA: 09:30
LOCAL: Sala online do Gercom: https://conferenciaweb.rnp.br/webconf/gercom_ufpa
TÍTULO:

Seleção de Características Baseada em Clusterização para Melhorar a Detecção de Ataques em Redes de Computadores


PALAVRAS-CHAVES:


Seleção de Características;

Aprendizado de Máquina;

Clusterização;

Segurança em Redes de Computadores.


PÁGINAS: 40
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
ESPECIALIDADE: Teleinformática
RESUMO:

Com o grande crescimento das ameaças à segurança de redes de computadores, protegê-las tem se mostrado uma tarefa cada vez mais desafiadora. Diversas abordagens de sistemas de detecção intrusão (IDSs) baseadas em Aprendizado de Máquina (AM) tem sido propostas para melhorar o desempenho de detecção de vários tipos de ataques de rede. No entanto, muitas das características extraídas e usadas por um IDS são redundantes e podem ser substituídas por outras, ou são irrelevantes e não contribuem para o processo de Aprendizado de Máquina. Os métodos tradicionais de seleção de características são baseados em abordagens supervisionadas e requerem uma grande quantidade de dados rotulados para serem aprendidos. Entretanto, no contexto de segurança, essas informações muitas vezes não estão disponíveis ou são muito difíceis de obter. Assim, reduzir a dimensionalidade das características sem usar rótulos permite que o AM seja uma opção mais viável para cenários do mundo real. Este trabalho propõe um método de seleção de caraterística não supervisionado baseado em clusterização que busca lidar com o problema da dimensionalidade, removendo características redundantes e irrelevantes no contexto de detecção de ataques de rede. Com a busca bidirecional, nossa proposta usa o k-Means e a métrica Sillhouette para selecionar as melhores características de rede. Além disso, esta pesquisa objetiva investigar o comportamento da seleção de característica proposta e de outros métodos tradicionais, em diferentes cenários de aplicação, descobrindo inferências sobre os ataques de redes e identificando as características que possibilitem uma melhor detecção destes ataques. Os resultados obtidos em três estudos de casos demonstram que a proposta melhora o desempenho de classificadores em diversos cenários de segurança, como a detecção e identificação de ataques de rede, inclusive para ataques com poucos dados disponíveis.


MEMBROS DA BANCA:
Presidente - 2153544 - ANTONIO JORGE GOMES ABELEM
Interno - 1085349 - ANDRE FIGUEIRA RIKER
Interno - 1769580 - ROBERTO SAMARONE DOS SANTOS ARAUJO
Externo ao Programa - 1153173 - ROBERTO CELIO LIMAO DE OLIVEIRA
Notícia cadastrada em: 17/12/2021 11:43
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - morango.ufpa.br.morango2