Publicação: Detecção de ameaças DDoS com aprendizagem de máquina
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO, CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Bertarini, Pedro Luiz Lima
Resumo
O desenvolvimento exponencial das telecomunicações promove o surgimento de diversas aplicações que são beneficiadas pelas altas taxas de transmissão. Serviços de streaming e empresas que utilizam transações monetárias digitais são alguns exemplos dentre a infinidade de aplicações possíveis a partir desses avanços tecnológicos. Contudo, esse crescente desenvolvimento das telecomunicações trouxe consigo um impacto negativo: criminosos que utilizam das altas taxas de transmissão para a realização de ataques de força bruta. Entre esses ataques, uma classe que tem se popularizado é a de ataques DDoS, onde os criminosos enviam múltiplas requisições a vítima com o objetivo de sobrecarregar seus servidores, impactando diretamente nos serviços prestados por ela. Esse trabalho busca propor duas abordagens diferentes para a realização da tarefa de detecção de ataques dessa natureza: uma metodologia baseada na análise de séries temporais utilizando a entropia de certos atributos de fluxo de rede e outra abordagem utilizando a análise de componentes principais em conjunto com redes neurais artificiais e máquina de vetores de suporte para a realização da classificação entre situações normais e situações de ataque. Por fim será realizada uma comparação entre as duas abordagens propostas utilizando as métricas adequadas.
Abstract
The exponential development of telecommunications promotes the appearance of several applications that benefit from the high transmission rates. Streaming services and companies that use digital monetary transactions are some examples among the infinity of possible applications based on these technological advances. However, this growing development in telecommunications has had a negative impact: criminals who use high transmission rates to carry out brute force attacks. Among these attacks, a class that has become popular is DDoS attacks, where criminals send multiple requests to the victim to overload their servers, directly impacting the services provided by them. This work proposes two different approaches to perform the task of detecting attacks of this nature: a methodology based on the analysis of time series in the entropy of certain network flow attributes and another approach using principal component analysis in conjunction with artificial neural networks and a support vector machine to perform the classification between normal situations and attack situations. Finally, a comparison will be made between the two proposed approaches using the appropriate metrics.
Palavras-chave
DDos, DDoS, Análise de componentes principais, Principal component analysis, Aprendizagem de máquina, Machine learning, Redes neurais artificiais, Artificial neural networks, Entropia, Entropy, Máquina de vetores de suporte, Support vector machine, ARIMA, ARIMA, Análise de séries temporais, Time series analysis
Citação
TELES, João Guilherme do Nascimento. Detecção de Ameaças DDoS com Aprendizagem de Máquina. 2022. 50 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Uberlândia, 2022.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto