Detecção de Cross-Site Scripting em páginas Web

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Nunan, Angelo Eduardo
Outros Autores: http://lattes.cnpq.br/1192914172662386
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Amazonas
Instituto de Computação
BR
UFAM
Programa de Pós-graduação em Informática
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Cross-site Scripting
Segurança de aplicações web
Detecção de anomalia
Aprendizagem de máquina
Cross-site scripting
Web application security
Anomaly detection
Machine learning
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Link de acesso: http://tede.ufam.edu.br/handle/tede/2962
Resumo: As aplicações web atualmente representam um importante ambiente de acesso aos serviços oferecidos na Internet. Garantir a segurança desses recursos se tornou uma tarefa elementar. A estrutura de sites dinâmicos constituída por um conjunto de objetos, tais como tags de HTML, funções de script, hiperlinks e recursos avançados em navegadores web levou a inúmeras funcionalidades e à interatividade de serviços, tais como e-commerce, Internet banking, redes sociais, blogs, fóruns, entre outros. No entanto, esses recursos têm aumentado potencialmente os riscos de segurança e os ataques resultantes da injeção de códigos maliciosos, onde o Cross-Site Scripting aparece em destaque, no topo das listas das maiores ameaças para aplicações web nos últimos anos. Este trabalho apresenta um método baseado em técnicas de aprendizagem de máquina supervisionada para detectar XSS em páginas web, a partir de um conjunto de características extraídas da URL e do documento web, capazes de discriminar padrões de ataques XSS e distinguir páginas web maliciosas das páginas web normais ou benignas
id UFAM_0f466c30a59edbe12e902c24d37981f9
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/2962
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str
spelling Detecção de Cross-Site Scripting em páginas WebCross-site ScriptingSegurança de aplicações webDetecção de anomaliaAprendizagem de máquinaCross-site scriptingWeb application securityAnomaly detectionMachine learningCIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃOAs aplicações web atualmente representam um importante ambiente de acesso aos serviços oferecidos na Internet. Garantir a segurança desses recursos se tornou uma tarefa elementar. A estrutura de sites dinâmicos constituída por um conjunto de objetos, tais como tags de HTML, funções de script, hiperlinks e recursos avançados em navegadores web levou a inúmeras funcionalidades e à interatividade de serviços, tais como e-commerce, Internet banking, redes sociais, blogs, fóruns, entre outros. No entanto, esses recursos têm aumentado potencialmente os riscos de segurança e os ataques resultantes da injeção de códigos maliciosos, onde o Cross-Site Scripting aparece em destaque, no topo das listas das maiores ameaças para aplicações web nos últimos anos. Este trabalho apresenta um método baseado em técnicas de aprendizagem de máquina supervisionada para detectar XSS em páginas web, a partir de um conjunto de características extraídas da URL e do documento web, capazes de discriminar padrões de ataques XSS e distinguir páginas web maliciosas das páginas web normais ou benignasWeb applications are currently an important environment for access to services available on the Internet. However, the security assurance of these resources has become an elementary task. The structure of dynamic websites composed by a set of objects such as HTML tags, script functions, hyperlinks and advanced features in web browsers may provide numerous resources and interactive services, for instance e-commerce, Internet banking, social networking, blogs, forums, among others. On the other hand, these features helped to increase the potential security risks and attacks, which are the results of malicious codes injection. In this context, Cross-Site Scripting (XSS) is highlighted at the top of the lists of the greatest threats to web applications in recent years. This work presents a method based on supervised machine learning techniques to detect XSS in web pages. A set of features extracted from URL contents and web document are employed in order to discriminate XSS patterns and to successfully classify both malicious and non-malicious pagesCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade Federal do AmazonasInstituto de ComputaçãoBRUFAMPrograma de Pós-graduação em InformáticaSouto, Eduardo James Pereirahttp://lattes.cnpq.br/3875301617975895Nunan, Angelo Eduardohttp://lattes.cnpq.br/11929141726623862015-04-11T14:03:18Z2013-07-222012-05-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfNUNAN, Angelo Eduardo. Detecção de Cross-Site Scripting em páginas Web. 2012. 104 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2012.http://tede.ufam.edu.br/handle/tede/2962porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2016-05-25T05:04:29Zoai:https://tede.ufam.edu.br/handle/:tede/2962Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922016-05-25T05:04:29Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Detecção de Cross-Site Scripting em páginas Web
title Detecção de Cross-Site Scripting em páginas Web
spellingShingle Detecção de Cross-Site Scripting em páginas Web
Nunan, Angelo Eduardo
Cross-site Scripting
Segurança de aplicações web
Detecção de anomalia
Aprendizagem de máquina
Cross-site scripting
Web application security
Anomaly detection
Machine learning
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
title_short Detecção de Cross-Site Scripting em páginas Web
title_full Detecção de Cross-Site Scripting em páginas Web
title_fullStr Detecção de Cross-Site Scripting em páginas Web
title_full_unstemmed Detecção de Cross-Site Scripting em páginas Web
title_sort Detecção de Cross-Site Scripting em páginas Web
author Nunan, Angelo Eduardo
author_facet Nunan, Angelo Eduardo
http://lattes.cnpq.br/1192914172662386
author_role author
author2 http://lattes.cnpq.br/1192914172662386
author2_role author
dc.contributor.none.fl_str_mv Souto, Eduardo James Pereira
http://lattes.cnpq.br/3875301617975895
dc.contributor.author.fl_str_mv Nunan, Angelo Eduardo
http://lattes.cnpq.br/1192914172662386
dc.subject.por.fl_str_mv Cross-site Scripting
Segurança de aplicações web
Detecção de anomalia
Aprendizagem de máquina
Cross-site scripting
Web application security
Anomaly detection
Machine learning
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
topic Cross-site Scripting
Segurança de aplicações web
Detecção de anomalia
Aprendizagem de máquina
Cross-site scripting
Web application security
Anomaly detection
Machine learning
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
description As aplicações web atualmente representam um importante ambiente de acesso aos serviços oferecidos na Internet. Garantir a segurança desses recursos se tornou uma tarefa elementar. A estrutura de sites dinâmicos constituída por um conjunto de objetos, tais como tags de HTML, funções de script, hiperlinks e recursos avançados em navegadores web levou a inúmeras funcionalidades e à interatividade de serviços, tais como e-commerce, Internet banking, redes sociais, blogs, fóruns, entre outros. No entanto, esses recursos têm aumentado potencialmente os riscos de segurança e os ataques resultantes da injeção de códigos maliciosos, onde o Cross-Site Scripting aparece em destaque, no topo das listas das maiores ameaças para aplicações web nos últimos anos. Este trabalho apresenta um método baseado em técnicas de aprendizagem de máquina supervisionada para detectar XSS em páginas web, a partir de um conjunto de características extraídas da URL e do documento web, capazes de discriminar padrões de ataques XSS e distinguir páginas web maliciosas das páginas web normais ou benignas
publishDate 2012
dc.date.none.fl_str_mv 2012-05-14
2013-07-22
2015-04-11T14:03:18Z
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 NUNAN, Angelo Eduardo. Detecção de Cross-Site Scripting em páginas Web. 2012. 104 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2012.
http://tede.ufam.edu.br/handle/tede/2962
identifier_str_mv NUNAN, Angelo Eduardo. Detecção de Cross-Site Scripting em páginas Web. 2012. 104 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2012.
url http://tede.ufam.edu.br/handle/tede/2962
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Computação
BR
UFAM
Programa de Pós-graduação em Informática
publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Computação
BR
UFAM
Programa de Pós-graduação em Informática
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809740064952942592

Registros relacionados