Detecção de anomalias em redes utilizando autoencoders

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Miranda, Luan Gonçalves
Orientador(a): Loiola, Murilo Bellezoni
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do ABC
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia da Informação
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127540&midiaext=81595
Resumo: Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
id UFBC_0ce320fb51a68f629110f65f7bafbb13
oai_identifier_str oai:BDTD:127540
network_acronym_str UFBC
network_name_str Repositório Institucional da UFABC
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisDetecção de anomalias em redes utilizando autoencoders2023-11-27Loiola, Murilo BellezoniMiranda, Luan GonçalvesUniversidade Federal do ABCPrograma de Pós-Graduação em Engenharia da InformaçãoUFABCporDETECÇÃO DE ANOMALIAAUTO CODIFICADORESATAQUES EM REDESANOMALY DETECTIONAUTOENCODERSNETWORKS ATTACKSPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABCCoordenação de Aperfeiçoamento de Pessoal de Nivel SuperiorNas ultimas décadas, houve um aumento significativo de dispositivos e sistemas conectados à internet, o que exige uma evolução contínua das estratégias de segurança cibernética devido à sensibilidade dos dados transmitidos por essas redes. Dentre as estratégias emergentes, os sistemas de detecção de intrusão tem ganhado destaque, particularmente uma subclasse chamada de sistema de detecção de anomalia (ADS, do inglês Anomaly Detection System), que detecta ameaças ao identificar anomalias em relação aos dados de tráfego normais da rede. A importância dos ADSs reside na capacidade de identificar ataques desconhecidos sem a necessidade de conhecimento prévio das suas características. Uma possível implementação de um ADS que vem sendo investigada é a que faz uso de algoritmos de aprendizado de máquina (ML, do inglês Machine Learning). No entanto, estes algoritmos precisam de dados para o seu treinamento e é comum que dados de ataque estejam em um numero menor que dados de tráfego normais, o que pode enviesar esses algoritmos. Assim, auto codificadores (AE, do inglês Autoencoder) tem sido empregados pelo fato de ser possível treiná-los com os dados de apenas uma classe, geralmente a majoritária. Parâmetros extraídos do AE, como o erro de reconstrução (RE, do inglês Reconstruction Error), podem ser utilizados para distinguir os dados normais de dados de ataques, o que geralmente e feito comparando-o com um limiar. A obtenção deste limiar pode ser feita através de diferentes critérios e depende geralmente de parâmetros que não são conhecidos e que precisam ser estimados. Exemplos desses parâmetros vão desde valores simples, como média e variância, até funções mais complicadas, como distribuições de probabilidade e momentos estatísticos de ordens superiores. Esta dissertação, portanto, propõe uma estrutura conjunta de um AE e um classificador, com o classificador substituindo os limiares clássicos. O uso de um classificador para a detecção abre a possibilidade de se incluir outras características que podem ser obtidas com o AE, como os valores da camada intermediaria, visando melhorar a detecção dos ataques. Nesta dissertação, diversos cenários foram avaliados, combinando diferentes classificadores como o KNN, DT e SVM, e diferentes combinações de características. Os resultados obtidos mostraram uma melhora na detecção de ataques em grande parte dos cenários ao se utilizar a estrutura proposta, em especial utilizando o KNN.http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127540&midiaext=81595application/pdfreponame:Repositório Institucional da UFABCinstname:Universidade Federal do ABC (UFABC)instacron:UFABCinfo:eu-repo/semantics/openAccess2026-01-15T22:12:09Zoai:BDTD:127540Repositório InstitucionalPUBhttp://www.biblioteca.ufabc.edu.br/oai/oai.phpopendoar:2025-03-19T15:01:35Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)false
dc.title.pt.fl_str_mv Detecção de anomalias em redes utilizando autoencoders
title Detecção de anomalias em redes utilizando autoencoders
spellingShingle Detecção de anomalias em redes utilizando autoencoders
Miranda, Luan Gonçalves
title_short Detecção de anomalias em redes utilizando autoencoders
title_full Detecção de anomalias em redes utilizando autoencoders
title_fullStr Detecção de anomalias em redes utilizando autoencoders
title_full_unstemmed Detecção de anomalias em redes utilizando autoencoders
title_sort Detecção de anomalias em redes utilizando autoencoders
author Miranda, Luan Gonçalves
author_facet Miranda, Luan Gonçalves
author_role author
dc.contributor.advisor1.fl_str_mv Loiola, Murilo Bellezoni
dc.contributor.author.fl_str_mv Miranda, Luan Gonçalves
contributor_str_mv Loiola, Murilo Bellezoni
description Coordenação de Aperfeiçoamento de Pessoal de Nivel Superior
publishDate 2023
dc.date.issued.fl_str_mv 2023-11-27
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 http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127540&midiaext=81595
url http://biblioteca.ufabc.edu.br/index.php?codigo_sophia=127540&midiaext=81595
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 ABC
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia da Informação
dc.publisher.initials.fl_str_mv UFABC
publisher.none.fl_str_mv Universidade Federal do ABC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFABC
instname:Universidade Federal do ABC (UFABC)
instacron:UFABC
instname_str Universidade Federal do ABC (UFABC)
instacron_str UFABC
institution UFABC
reponame_str Repositório Institucional da UFABC
collection Repositório Institucional da UFABC
repository.name.fl_str_mv Repositório Institucional da UFABC - Universidade Federal do ABC (UFABC)
repository.mail.fl_str_mv
_version_ 1854475892411072512

Registros relacionados