Publicação: Implementação de novas métricas para avaliação de classificadores de botnets dentro do framework MOA
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Resumo
Com a popularização da Internet, vivemos em uma sociedade interconectada, ou seja,
cada vez mais dispositivos presentes em nosso cotidiano estão conectados e expostos em
uma rede globalizada. Vários destes dispositivos não são desenvolvidos com os requisitos
de segurança em mente, tornando-os alvos para ataques de pessoas mal intencionadas. Es-
tes ataques podem acontecer de diversas maneiras. Uma categoria de ameaça presente nas
redes de computadores são as chamadas botnets, dispositivos contaminados por software
malicioso controlados por um mestre a fim de atingir seus objetivos. Um dos caminhos
para a detecção e combate às botnets acontece por sistemas de detecção de intrusão (IDS
- Intrusion Detection Systems). Comparar métodos de detecção de botnets não é uma ta-
refa simples, geralmente por falta de documentação dos métodos utilizados e um conjunto
de dados rotulado em comum entre as várias pesquisas. Este trabalho se propôs a rea-
lizar a implementação de novas métricas para análise dos métodos de detecção proposta
por (GARCíA et al., 2014) dentro de uma plataforma de código aberto chamada MOA
(Massive Online Analysis), que reúne diversos algoritmos de aprendizado de máquina em
fluxos de dados contínuos. Como resultado, agora é possível analisar o desempenho de
classificadores de botnets de outra maneira, expandindo as possibilidades para o campo.
Abstract
Palavras-chave
Segurança da Informação, Sistemas de detecção de intrusão, Mineração de dados, Mineração em fluxos de dados, Aprendizado de máquina, Botnets
Citação
FIGUEIREDO, Pedro Victor Guerra de. Implementação de novas métricas para avaliação de classificadores de botnets dentro do framework MOA. 2022. 48 f. Trabalho de Conclusão de Curso (Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2022
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