Publicação: Identificação de posts maliciosos na dark web utilizando Aprendizado de Máquina Supervisionado
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Diante do crescimento constante e da sofisticação dos ataques cibernéticos, a segurança
cibernética não pode mais depender exclusivamente de técnicas e ferramentas tradicionais
de defesa. A detecção proativa de ameaças cibernéticas torna-se uma necessidade nos dias
atuais para que as equipes de segurança possam identificar potenciais ameaças e adotar
medidas de mitigação eficazes. A área de Cyber Threat Intelligence (CTI), ou Inteligência
de Ameaças Cibernéticas, desempenha um papel fundamental ao fornecer aos analistas
de segurança conhecimento fundamentado em evidências sobre ameaças cibernéticas. A
extração de informações de CTI pode ocorrer por meio de diversas técnicas e envolver
diferentes fontes de dados; no entanto, o uso de aprendizado de máquina tem se mostrado
uma abordagem promissora nessa área. Quanto à fonte de dados, as redes sociais e fóruns
de discussão online têm sido comumente explorados. Nesta dissertação, aplicam-se técnicas de mineração de texto, Processamento de Linguagem Natural (PLN) e aprendizado de
máquina em dados coletados de fóruns da Dark Web com o objetivo de identificar posts
maliciosos. A base de dados para treinamento foi rotulada levando em consideração a
ocorrência de Indicadores de Comprometimento (IoCs), palavras-chave contextuais, além
de análise manual. Diferentes algoritmos de classificação foram testados utilizando diversas formas de representações de texto para encontrar o melhor modelo. Os resultados
revelaram que o modelo com o algoritmo Light Gradient Boosting Machine (LightGBM) e
Term Frequency (TF) - Inverse Document Frequency (IDF) - (TF-IDF - Unigram) como
representação de texto alcançou as melhores métricas de acurácia, precisão, revocação e
medida-F. Adicionalmente, novos posts não rotulados foram submetidos ao classificador,
apresentando resultados promissores ao serem analisados com auxílio de um algoritmo de
modelagem de tópicos - Latent Dirichlet Allocation (LDA).
Abstract
In the face of the constant growth and sophistication of cyber attacks, cybersecurity
can no longer rely solely on traditional defense techniques and tools. Proactive detection
of cyber threats has become a necessity in today’s world, enabling security teams to identify potential threats and adopt effective mitigation measures. The field of Cyber Threat
Intelligence (CTI) plays a fundamental role by providing security analysts with evidencebased knowledge about cyber threats. Information extraction from CTI can occur through
various techniques and involve different data sources; however, machine learning has proven to be a promising approach in this area. Regarding data sources, social networks and
online discussion forums have been commonly explored. In this dissertation, text mining,
Natural Language Processing (NLP), and machine learning techniques are applied to data
collected from Dark Web forums with the aim of identifying malicious posts. The training dataset was labeled considering the occurrence of Indicators of Compromise (IoCs),
contextual keywords, and manual analysis. Different classification algorithms were tested
using various text representations to find the best model. The results revealed that the
model using the LightGBM algorithm and TF-IDF (Term Frequency-Inverse Document
Frequency) with Unigram representation achieved the best metrics of accuracy, precision,
recall, and F1-score. Additionally, new unlabeled posts were submitted to the classifier,
showing promising results when analyzed using Topic Modeling with Latent Dirichlet
Allocation (LDA).
Palavras-chave
Ataques Cibernéticos, Cyber Attacks, Segurança Cibernética, Cybersecurity, Inteligência de Ameaças Cibernéticas, Cyber Threat Intelligence, Processamento de Linguagem Natural, Natural Language Processing, Aprendizado de Máquina, Machine Learning, Modelagem de Tópicos, Topic Modeling
Citação
JESUS FILHO, Sebastião Alves de. Identificação de posts maliciosos na dark web utilizando Aprendizado de Máquina Supervisionado. 2023. 111 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI https://doi.org/10.14393/ufu.di.2023.8127
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto