Publicação: Análise de posts maliciosos na Dark Web usando aprendizado de máquina não supervisionado
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho apresenta uma análise de posts maliciosos extraídos de fóruns da Dark Web
por meio de técnicas de aprendizado não supervisionado, com o objetivo de identificar
as temáticas predominantes associadas a ameaças cibernéticas. Para isso, foi empregada
uma metodologia baseada em algoritmos de agrupamento, como K-means, DBSCAN e
KNN, além da aplicação da Análise de Tópicos Latentes (LDA) para identificar padrões
temáticos latentes. Os resultados demonstraram que o algoritmo K-means se destacou ao
estruturar os dados em três clusters principais, identificando temas predominantes como
segurança de dados, busca por informações sensíveis e comunidades de hacking. Essa
abordagem possibilitou a rotulagem e interpretação dos conteúdos com base nos padrões
observados, contribuindo para a compreensão das táticas e intenções dos cibercriminosos.
Como perspectivas futuras, sugere-se ampliar a base de dados para incluir ambientes
como a Deep Web, Surface Web e redes sociais, além de incorporar algoritmos avançados
de aprendizado profundo e ferramentas de monitoramento em tempo real, visando um
aprimoramento contínuo na detecção e categorização de ameaças.
Abstract
This work presents an analysis of malicious posts extracted from Dark Web forums using
unsupervised learning techniques, aiming to identify the predominant themes associated
with cyber threats. A methodology was employed based on clustering algorithms, such as
K-means, DBSCAN, and KNN, in addition to applying Latent Dirichlet Allocation (LDA)
to identify latent thematic patterns. The results demonstrated that the K-means algorithm
excelled in structuring the data into three main clusters, identifying predominant themes
such as data security, search for sensitive information, and hacking communities. This
approach enabled the labeling and interpretation of content based on observed patterns,
contributing to the understanding of cybercriminals’ tactics and intentions. For future
work, it is suggested to expand the dataset to include environments such as the Deep
Web, Surface Web, and social networks, as well as to incorporate advanced deep learning
algorithms and real-time monitoring tools, aiming for continuous improvement in threat
detection and categorization.
Palavras-chave
Dark Web, Aprendizado não supervisionado, K-means, LDA, Segurança cibernética, Análise de posts maliciosos, Dark Web, Unsupervised learning, K-means, LDA, Cybersecurity, Malicious post analysis.
Citação
REIS, Anna Letycia Fernandes. Análise de posts maliciosos na Dark Web usando aprendizado de máquina não
supervisionado. 2024. 44 f. Trabalho de Conclusão de Curso ( Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.