Banca de DEFESA: GEORGE TASSIANO MELO PEREIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: GEORGE TASSIANO MELO PEREIRA
DATA: 03/07/2023
HORA: 15:00
LOCAL: Online (https://meet.google.com/doi-ndqs-yxd)
TÍTULO:

CLASSIFICAÇÃO DE RANSOMWARE UTILIZANDO MLP, REDUÇÃO DE DIMENSIONALIDADE E BALANCEAMENTO DE CLASSES

PALAVRAS-CHAVES:

Ransomware, Redução de Dimensionalidade, Aprendizado de Máquina, MLP 

PÁGINAS: 56
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

Ransomware é um tipo de malware que impede ou limita o acesso do usuário ao sistema e
arquivos até que um resgate seja pago. Combater essa ameaça é difícil devido à sua disseminação rápida e às constantes mudanças nas técnicas de criptografia utilizadas. Algoritmos de aprendizado de máquina, como Redes Neurais Artificiais, têm sido apontados como ferramentas promissoras na classificação de ransomware, porque elas podem aprender a identificar padrões e características complexas em grandes quantidades de dados. Isso permite que as redes neurais sejam treinadas com exemplos de amostras de software malicioso, incluindo ransomware, e depois sejam capazes de classificar novos exemplos com alta precisão. Além disso, as redes neurais também são capazes de aprender e se adaptar a mudanças no comportamento do malware, tornando-as ferramentas eficazes para a detecção de novos tipos de ransomware. Neste trabalho, é explorado três tipos de classificação de ransomware por RNA dentro de um pipeline composto com redução de dimensionalidade por Kernel PCA e balanceamento de classes com a abordagem de superamostragem aleatória. A MLP ( Multi-layer Perceptron) alcançou uma média de 98% de acurácia na classificação binária e 85% de acurácia na classificação de família com goodware, onde tais valores superam os resultados anteriores e demonstram assim a eficácia da inclusão do balanceamento de classes na melhoria do modelo de detecção de ransomware.

Artigo publicado para a defesa:
        1) PEREIRA, G.; SALES, JR., C.Ransomware classification by machine learning and dimensionality reduction. Journal of Engineering Research, v. 2, n. 25, 2022. ISSN 2764-1317. DOI: 10.22533/at.ed.3172252201116

Projeto vínculado: Aplicação e Concepção de Meta-heurísticas, Técnicas de visualização de dados e Métodos de Inteligência Computacional para Problemas de Engenharia e Computação

MEMBROS DA BANCA:
Presidente - 1809092 - CLAUDOMIRO DE SOUZA DE SALES JUNIOR
Interno - 2170855 - ADRIANA ROSA GARCEZ CASTRO
Externo ao Programa - 2324982 - REGIANE SILVA KAWASAKI FRANCES