Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/36723
ORCID:  http://orcid.org/0000-0001-5520-7971
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Title: Redes neurais recorrentes para geração de senhas em ataques de força bruta baseado em dicionário
Alternate title (s): Recurrent Neural Networks for Password Generation in Dictionary-based Brute Force Attacks
Author: Ramos, Marlon Brendo
First Advisor: Ribeiro, Thiago Pirola
First member of the Committee: Santos, Fernanda Maria da Cunha
Second member of the Committee: Rodrigo, Sanches Miani
Summary: O ciberataque é um dos grandes problemas enfrentados pela sociedade contemporânea e, notoriamente, impacta em diversos ramos empresarias e pessoais. Um dos incidentes mais reportados refere-se ao scan, no qual o atacante coleta várias informações de diversas portas e protocolos e viabiliza seu plano de ataque. Um dos tipos de ataques frequentemente usados que são decorrentes do scan, é o ataque de força bruta baseado em dicionários. Tradicionalmente, técnicas de força bruta usam dicionários vazados ou gerados através de combinações de caracteres ou de perfis pessoais. Desse modo, o sucesso desse tipo de ataque está ligado a qualidade e variedade das senhas obtidas desse meio. O modo de realizar esse tipo de ataque, essencialmente baseado nesses dicionários, inviabiliza que as técnicas tradicionais sejam capazes de capturar relações semânticas existentes entre os dados, como, por exemplo, a formação de padrões em escritas de senhas. Em contrapartida, o uso de redes neurais tem se mostrado como uma via vantajosa para reconhecimento de padrões complexos ou numerosos, se destacando através de métodos de natureza dinâmica com a possibilidade de realização de sistemas preditivos, mostrando capacidade contínua de melhoria e adaptação às mudanças de padrões. Deste modo, o objetivo principal deste trabalho é a aplicação das redes neurais recorrentes, por meio da arquitetura LSTM, para a geração e previsão de senhas com base em dicionários usados em ataques de força bruta e, dessa maneira, analisar a viabilidade e o equilíbrio do seu uso.
Abstract: Cyberattack is one of the major problems faced by contemporary society and, notoriously, impacts several business and personal branches. One of the most reported incidents refers to scanning, in which the attacker collects various information from various ports and protocols and makes his attack plan possible. One of the most commonly used types of attacks that stem from scanning is the dictionary-based brute-force attack. Traditionally, brute-force techniques use leaked dictionaries or ones generated through combinations of characters or personal profiles. Thus, the success of this type of attack is linked to the quality and variety of the passwords obtained from this medium. The way this type of attack is carried out, essentially based on these dictionaries, makes it impossible for traditional tech niques to capture semantic relationships between data, such as, for example, the formation of patterns in password scripts. In contrast, the use of neural networks has proven to be an advantageous way to recognize complex or numerous patterns, standing out through methods of dynamic nature with the possibility of realizing predictive systems, showing continuous capacity for improvement and adaptation to changes in patterns. Thus, the main objective of this work is the application of recurrent neural networks, through the LSTM architecture, for the generation and prediction of passwords based on dictionaries used in brute force attacks and, in this way, analyze the feasibility and balance of its use.
Keywords: Redes neurais recorrentes
Arquitetura LSTM
Aprendizado de máquina
Geração de senhas
Ataque de dicionário
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: RAMOS, Marlon Brendo. Redes Neurais recorrentes para geração de senhas em ataques de força bruta baseado em dicionário 2022. 66 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2023.
URI: https://repositorio.ufu.br/handle/123456789/36723
Date of defense: 7-Dec-2022
Appears in Collections:TCC - Sistemas de Informação (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
RedesNeuraisRecorrentes.pdfTCC1.4 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons