Utilização de classificadores supervisionados para detecção de intrusões em redes industriais

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Altamirano, Gabriel Jesus Vasquez
Orientador(a): Zarpelão, Bruno Bogaz [Orientador]
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Sistemas eletrônicos de segurança
Redes industriais
Electronic security systems
Industrial networks
Link de acesso: https://repositorio.uel.br/handle/123456789/16672
Resumo: Resumo: Ataques recentes a redes industriais têm trazido à tona questões sobre como protegê-las Essas redes são essenciais para o controle de muitos aspectos de nossa vida cotidiana, como o abastecimento de água, o fornecimento de energia elétrica e gás, etc Neste trabalho, realizamos um estudo sobre a utilização de algoritmos de classificação supervisionada na detecção de intrusões em redes industriais Para tanto, foi proposto um modelo de detecção de intrusões que prevê a utilização de fluxos IP gerados a partir de pacotes coletados de uma rede industrial Estudamos o desempenho de nove algoritmos de classificação supervisionada, pertencentes às famílias dos classificadores de árvore de decisão, dos classificadores discriminativos e dos classificadores estatísticos Considerando que no tráfego de redes haverá uma quantidade significativamente menor de tráfego malicioso em comparação com tráfego legítimo, teremos o desbalanceamento entre essas duas classes como uma das características chave deste tráfego A avaliação dos classificadores se deu utilizando métricas apropriadas para lidar com esse desbalanceamento como o f1 score, acurácia média, curva ROC (Receiver Operating Characteristic), curva PR (Precision- Recall) e áreas sob as curvas ROC e PR Os resultados apontaram que os algoritmos pertencentes à família das árvores de decisão apresentaram um desempenho superior aos demais, sendo o melhor resultado obtido pelo algoritmo Boosted Decision Tree
id UEL_187eb3ff2c157bf5faa08fd4281baa35
oai_identifier_str oai:repositorio.uel.br:123456789/16672
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Altamirano, Gabriel Jesus VasquezProença Junior, Mario Lemes2217b1bf-2e93-40b8-aa42-9d7763eb43e4-1Amaral, Alexandre de Aguiaraa2d6565-b10d-45c2-9772-56113c76a01c-14b6fd361-d978-4b7f-bcca-7cdf8701e29b185d873c-996a-4746-ab7f-3fc3ccf3c82cZarpelão, Bruno Bogaz [Orientador]Londrina2024-05-01T15:13:36Z2024-05-01T15:13:36Z2018.0011.09.2018https://repositorio.uel.br/handle/123456789/16672Resumo: Ataques recentes a redes industriais têm trazido à tona questões sobre como protegê-las Essas redes são essenciais para o controle de muitos aspectos de nossa vida cotidiana, como o abastecimento de água, o fornecimento de energia elétrica e gás, etc Neste trabalho, realizamos um estudo sobre a utilização de algoritmos de classificação supervisionada na detecção de intrusões em redes industriais Para tanto, foi proposto um modelo de detecção de intrusões que prevê a utilização de fluxos IP gerados a partir de pacotes coletados de uma rede industrial Estudamos o desempenho de nove algoritmos de classificação supervisionada, pertencentes às famílias dos classificadores de árvore de decisão, dos classificadores discriminativos e dos classificadores estatísticos Considerando que no tráfego de redes haverá uma quantidade significativamente menor de tráfego malicioso em comparação com tráfego legítimo, teremos o desbalanceamento entre essas duas classes como uma das características chave deste tráfego A avaliação dos classificadores se deu utilizando métricas apropriadas para lidar com esse desbalanceamento como o f1 score, acurácia média, curva ROC (Receiver Operating Characteristic), curva PR (Precision- Recall) e áreas sob as curvas ROC e PR Os resultados apontaram que os algoritmos pertencentes à família das árvores de decisão apresentaram um desempenho superior aos demais, sendo o melhor resultado obtido pelo algoritmo Boosted Decision TreeDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da ComputaçãoAbstract: Recent attacks on industrial networks have raised questions about how to protect them These networks are essential for the control of many aspects of our daily lives, such as water supply, electricity and gas, etc In this work, we studied the utilization of supervised classification algorithms for the intrusion detection in industrial networks Therefore, we propose a model for intrusion detection that makes use of IP flows generated from packets collected from an industrial network We study the performance of nine supervised classification algorithms, belonging to the families of the decision tree classifiers, the discriminative classifiers and the statistical classifiers As network traffic usually has much less malicious traffic than normal traffic, the imbalance between these two classes is one of the key features of this study The evaluation of the classifiers was based on appropriate metrics to deal with this unbalance such as f1 score, medium accuracy, ROC curve (Receiver Operating Characteristic), PR curve (Precision Recall) and areas under the ROC and PR curves The results showed that the algorithms belonging to the family of decision trees presented a superior performance to the others, being the best result obtained by the algorithm Boosted Decision TreeporSistemas eletrônicos de segurançaRedes industriaisElectronic security systemsIndustrial networksUtilização de classificadores supervisionados para detecção de intrusões em redes industriaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMestradoCiência da ComputaçãoCentro de Ciências ExatasPrograma de Pós-Graduação em Ciência da Computação-1-1reponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess186335vtls000221979SIMvtls000221979http://www.bibliotecadigital.uel.br/document/?code=vtls00022197964.00SIMhttp://www.bibliotecadigital.uel.br/document/?code=vtls0002219796267.pdf123456789/5002 - Mestrado - Ciência da ComputaçãoORIGINAL6267.pdfapplication/pdf842087https://repositorio.uel.br/bitstreams/cf14c22d-7c43-4a02-a9a9-8732f8b51396/download2caa7c025d4de8220157c5511df769d4MD51LICENCElicence.txttext/plain263https://repositorio.uel.br/bitstreams/1a39e511-b4cb-4fd2-b1b9-0af97e21afbb/download753f376dfdbc064b559839be95ac5523MD52TEXT6267.pdf.txt6267.pdf.txtExtracted texttext/plain146456https://repositorio.uel.br/bitstreams/4e6a4f5c-2149-445e-b572-d5d7be6cc55d/downloadd55ed2804445deba719c7c7f11674ee5MD53THUMBNAIL6267.pdf.jpg6267.pdf.jpgGenerated Thumbnailimage/jpeg3593https://repositorio.uel.br/bitstreams/ae98288e-f695-457a-bec1-806ab8464508/download53e042d976203742084d8fe104c0c52cMD54123456789/166722024-07-12 01:20:11.972open.accessoai:repositorio.uel.br:123456789/16672https://repositorio.uel.brBiblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:20:11Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false
dc.title.pt_BR.fl_str_mv Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
title Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
spellingShingle Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
Altamirano, Gabriel Jesus Vasquez
Sistemas eletrônicos de segurança
Redes industriais
Electronic security systems
Industrial networks
title_short Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
title_full Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
title_fullStr Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
title_full_unstemmed Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
title_sort Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
author Altamirano, Gabriel Jesus Vasquez
author_facet Altamirano, Gabriel Jesus Vasquez
author_role author
dc.contributor.banca.pt_BR.fl_str_mv Proença Junior, Mario Lemes
Amaral, Alexandre de Aguiar
dc.contributor.author.fl_str_mv Altamirano, Gabriel Jesus Vasquez
dc.contributor.authorID.fl_str_mv 4b6fd361-d978-4b7f-bcca-7cdf8701e29b
dc.contributor.advisor1ID.fl_str_mv 185d873c-996a-4746-ab7f-3fc3ccf3c82c
dc.contributor.advisor1.fl_str_mv Zarpelão, Bruno Bogaz [Orientador]
contributor_str_mv Zarpelão, Bruno Bogaz [Orientador]
dc.subject.por.fl_str_mv Sistemas eletrônicos de segurança
Redes industriais
Electronic security systems
Industrial networks
topic Sistemas eletrônicos de segurança
Redes industriais
Electronic security systems
Industrial networks
description Resumo: Ataques recentes a redes industriais têm trazido à tona questões sobre como protegê-las Essas redes são essenciais para o controle de muitos aspectos de nossa vida cotidiana, como o abastecimento de água, o fornecimento de energia elétrica e gás, etc Neste trabalho, realizamos um estudo sobre a utilização de algoritmos de classificação supervisionada na detecção de intrusões em redes industriais Para tanto, foi proposto um modelo de detecção de intrusões que prevê a utilização de fluxos IP gerados a partir de pacotes coletados de uma rede industrial Estudamos o desempenho de nove algoritmos de classificação supervisionada, pertencentes às famílias dos classificadores de árvore de decisão, dos classificadores discriminativos e dos classificadores estatísticos Considerando que no tráfego de redes haverá uma quantidade significativamente menor de tráfego malicioso em comparação com tráfego legítimo, teremos o desbalanceamento entre essas duas classes como uma das características chave deste tráfego A avaliação dos classificadores se deu utilizando métricas apropriadas para lidar com esse desbalanceamento como o f1 score, acurácia média, curva ROC (Receiver Operating Characteristic), curva PR (Precision- Recall) e áreas sob as curvas ROC e PR Os resultados apontaram que os algoritmos pertencentes à família das árvores de decisão apresentaram um desempenho superior aos demais, sendo o melhor resultado obtido pelo algoritmo Boosted Decision Tree
publishDate 2024
dc.date.defesa.pt_BR.fl_str_mv 11.09.2018
dc.date.created.fl_str_mv 2018.00
dc.date.accessioned.fl_str_mv 2024-05-01T15:13:36Z
dc.date.available.fl_str_mv 2024-05-01T15:13:36Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.uel.br/handle/123456789/16672
url https://repositorio.uel.br/handle/123456789/16672
dc.language.iso.fl_str_mv por
language por
dc.relation.confidence.fl_str_mv -1
-1
dc.relation.coursedegree.pt_BR.fl_str_mv Mestrado
dc.relation.coursename.pt_BR.fl_str_mv Ciência da Computação
dc.relation.departament.pt_BR.fl_str_mv Centro de Ciências Exatas
dc.relation.ppgname.pt_BR.fl_str_mv Programa de Pós-Graduação em Ciência da Computação
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.coverage.spatial.pt_BR.fl_str_mv Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
bitstream.url.fl_str_mv https://repositorio.uel.br/bitstreams/cf14c22d-7c43-4a02-a9a9-8732f8b51396/download
https://repositorio.uel.br/bitstreams/1a39e511-b4cb-4fd2-b1b9-0af97e21afbb/download
https://repositorio.uel.br/bitstreams/4e6a4f5c-2149-445e-b572-d5d7be6cc55d/download
https://repositorio.uel.br/bitstreams/ae98288e-f695-457a-bec1-806ab8464508/download
bitstream.checksum.fl_str_mv 2caa7c025d4de8220157c5511df769d4
753f376dfdbc064b559839be95ac5523
d55ed2804445deba719c7c7f11674ee5
53e042d976203742084d8fe104c0c52c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1856675805946445824

Registros relacionados