Publicação: Identificação de ataques não-conhecidos em sistemas de detecção de intrusão baseados em anomalia
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Os Sistemas de Detecção de Intrusão (IDS) se tornaram um dos mais importantes controles de segurança devido à capacidade de detectar ataques cibernéticos por meio da inspeção do tráfego de rede. Durante a última década, as propostas de IDS cada vez mais usam técnicas de aprendizado de máquina (IDS baseado em Aprendizado de Máquina) para criar modelos de detecção de ataques. À medida que essa tendência ganha força, os pesquisadores discutem se esses IDS podem detectar ataques desconhecidos (zero-day).
A maioria dos Sistemas de Detecção de Intrusão baseados em aprendizado de máquina, são desenvolvidos com aprendizado supervisionado, o que significa que eles são treinados com uma coleção limitada de exemplos de ataque e portanto, detectar ataques que não foram cobertos durante a fase de treinamento pode ser um desafio para esses sistemas.
Este trabalho avalia a capacidade do IDS baseado em Aprendizado de Máquina em detectar ataques desconhecidos. A ideia geral é entender o que acontece quando um modelo de detecção treinado com um ataque específico A, recebe dados de entrada de um ataque desconhecido B. Usando o conjunto de dados CIC-IDS2017, foi demonstrado que modelos supervisionados de detecção de intrusão, na maioria dos casos, não podem detectar ataques desconhecidos. A única exceção ocorre com ataques DoS (Negação de serviço).
Por exemplo, um modelo de detecção de intrusão treinado com amotras de ataque HTTP Flood DoS (GoldenEye), pode detectar um tipo diferente de ataque HTTP DoS, o tipo Slowloris.
Abstract
Palavras-chave
Segurança da informação, Sistemas de detecção de intrusão, Detecção de anomalias, Aprendizado supervisionado
Citação
ROCHA, Miguel Sanches. Identificação de ataques não-conhecidos em sistemas de
detecção de intrusão baseados em anomalia. 2023. 43 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2023.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto