Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Vogt, Francisco Carlos lattes
Orientador(a): Nunes, Raul Ceretta lattes
Banca de defesa: Lopes, Luis Felipe Dias lattes, Medina, Roseclea Duarte lattes
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Santa Maria
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia de Produção
Departamento: Engenharia de Produção
País: BR
Palavras-chave em Português:
Detecção de anomalias
Detecção de ataques
Séries temporais
Palavras-chave em Inglês:
Anomaly detection
Attack detection
Time series
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Link de acesso: http://repositorio.ufsm.br/handle/1/8242
Resumo: This work presents a model to identify anomalies in the computer network behavior applied to the problem of traffic management and security information. Due to the feature of the traffic growth, some models do not differ an anomaly from an attack, generating false positives that damage the security and quality service of the network. In order to present an alternative, this work explores ARIMA model that allows turning stationary the time series and the CUSUM algorithm that allows to detect anomalies. This approach provides a way to evaluate the behavior and identification of an anomaly with better quality through the traffic variables and its correlations. The results demonstrate the approach demands a careful step of variables selection that can have influence by interest s attacks.
id UFSM-20_73822f01378d90135dbd05c7612e003b
oai_identifier_str oai:repositorio.ufsm.br:1/8242
network_acronym_str UFSM-20
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling 2013-03-192013-03-192012-12-09VOGT, Francisco Carlos. INTRUSION DETECTION THROUGH TIME SERIES ANALYSIS AND NETWORK TRAFFIC CORRELATION. 2012. 88 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Maria, Santa Maria, 2012.http://repositorio.ufsm.br/handle/1/8242This work presents a model to identify anomalies in the computer network behavior applied to the problem of traffic management and security information. Due to the feature of the traffic growth, some models do not differ an anomaly from an attack, generating false positives that damage the security and quality service of the network. In order to present an alternative, this work explores ARIMA model that allows turning stationary the time series and the CUSUM algorithm that allows to detect anomalies. This approach provides a way to evaluate the behavior and identification of an anomaly with better quality through the traffic variables and its correlations. The results demonstrate the approach demands a careful step of variables selection that can have influence by interest s attacks.Este trabalho apresenta um modelo para identificação de anomalias no comportamento da rede de computadores, aplicado ao problema de gestão do tráfego de redes e segurança da informação. Devido à característica de crescimento de tráfego, alguns modelos não diferenciam anomalias de um ataque, gerando falsos positivos prejudiciais a segurança da rede e conseqüentemente a sua qualidade serviço. Com fim de apresentar uma alternativa, este trabalho explora o modelo ARIMA, que permite tornar estacionária a série temporal, e o algoritmo CUSUM, que permite detectar anomalias. Esta abordagem possibilita avaliar com melhor qualidade o comportamento e a identificação de uma anomalia a partir de variáveis descritoras de tráfego e suas correlações. Os resultados demonstram que a abordagem exige uma etapa criteriosa de seleção de variáveis que podem ser influenciadas pelos ataques de interesse.Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorapplication/pdfporUniversidade Federal de Santa MariaPrograma de Pós-Graduação em Engenharia de ProduçãoUFSMBREngenharia de ProduçãoDetecção de anomaliasDetecção de ataquesSéries temporaisAnomaly detectionAttack detectionTime seriesCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAODetecção de intrusão através da análise de séries temporais e correlação do tráfego de redeIntrusion detection through time series analysis and network traffic correlationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisNunes, Raul Cerettahttp://lattes.cnpq.br/7947423722511295Lopes, Luis Felipe Diashttp://lattes.cnpq.br/1074372911061770Medina, Roseclea Duartehttp://lattes.cnpq.br/6560346309368052http://lattes.cnpq.br/5009990546760536Vogt, Francisco Carlos300800000005400500300500500e2cd0d87-3ff6-4c82-8830-9ca8dea454cc67cdca60-d116-4f9c-81aa-5245f533631352b4ac9b-ae50-4378-9e6d-d078971edcbcab954bac-27b8-46ae-a94d-e65ff0299dfeinfo:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSMORIGINALVOGT, FRANCISCO CARLOS.pdfapplication/pdf720115http://repositorio.ufsm.br/bitstream/1/8242/1/VOGT%2c%20FRANCISCO%20CARLOS.pdfca26f48e4411425ada5f0e297debe922MD51TEXTVOGT, FRANCISCO CARLOS.pdf.txtVOGT, FRANCISCO CARLOS.pdf.txtExtracted texttext/plain149826http://repositorio.ufsm.br/bitstream/1/8242/2/VOGT%2c%20FRANCISCO%20CARLOS.pdf.txt3a4c25c5d5492530be8d729b55b71befMD52THUMBNAILVOGT, FRANCISCO CARLOS.pdf.jpgVOGT, FRANCISCO CARLOS.pdf.jpgIM Thumbnailimage/jpeg4444http://repositorio.ufsm.br/bitstream/1/8242/3/VOGT%2c%20FRANCISCO%20CARLOS.pdf.jpg0bb541cb7b2c900b6899137545a2d668MD531/82422022-01-10 10:47:45.033oai:repositorio.ufsm.br:1/8242Repositório Institucionalhttp://repositorio.ufsm.br/PUBhttp://repositorio.ufsm.br/oai/requestopendoar:39132022-01-10T13:47:45Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.por.fl_str_mv Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
dc.title.alternative.eng.fl_str_mv Intrusion detection through time series analysis and network traffic correlation
title Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
spellingShingle Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
Vogt, Francisco Carlos
Detecção de anomalias
Detecção de ataques
Séries temporais
Anomaly detection
Attack detection
Time series
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
title_short Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
title_full Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
title_fullStr Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
title_full_unstemmed Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
title_sort Detecção de intrusão através da análise de séries temporais e correlação do tráfego de rede
author Vogt, Francisco Carlos
author_facet Vogt, Francisco Carlos
author_role author
dc.contributor.advisor1.fl_str_mv Nunes, Raul Ceretta
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/7947423722511295
dc.contributor.referee1.fl_str_mv Lopes, Luis Felipe Dias
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/1074372911061770
dc.contributor.referee2.fl_str_mv Medina, Roseclea Duarte
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/6560346309368052
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/5009990546760536
dc.contributor.author.fl_str_mv Vogt, Francisco Carlos
contributor_str_mv Nunes, Raul Ceretta
Lopes, Luis Felipe Dias
Medina, Roseclea Duarte
dc.subject.por.fl_str_mv Detecção de anomalias
Detecção de ataques
Séries temporais
topic Detecção de anomalias
Detecção de ataques
Séries temporais
Anomaly detection
Attack detection
Time series
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
dc.subject.eng.fl_str_mv Anomaly detection
Attack detection
Time series
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
description This work presents a model to identify anomalies in the computer network behavior applied to the problem of traffic management and security information. Due to the feature of the traffic growth, some models do not differ an anomaly from an attack, generating false positives that damage the security and quality service of the network. In order to present an alternative, this work explores ARIMA model that allows turning stationary the time series and the CUSUM algorithm that allows to detect anomalies. This approach provides a way to evaluate the behavior and identification of an anomaly with better quality through the traffic variables and its correlations. The results demonstrate the approach demands a careful step of variables selection that can have influence by interest s attacks.
publishDate 2012
dc.date.issued.fl_str_mv 2012-12-09
dc.date.accessioned.fl_str_mv 2013-03-19
dc.date.available.fl_str_mv 2013-03-19
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.citation.fl_str_mv VOGT, Francisco Carlos. INTRUSION DETECTION THROUGH TIME SERIES ANALYSIS AND NETWORK TRAFFIC CORRELATION. 2012. 88 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Maria, Santa Maria, 2012.
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/8242
identifier_str_mv VOGT, Francisco Carlos. INTRUSION DETECTION THROUGH TIME SERIES ANALYSIS AND NETWORK TRAFFIC CORRELATION. 2012. 88 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Maria, Santa Maria, 2012.
url http://repositorio.ufsm.br/handle/1/8242
dc.language.iso.fl_str_mv por
language por
dc.relation.cnpq.fl_str_mv 300800000005
dc.relation.confidence.fl_str_mv 400
500
300
500
500
dc.relation.authority.fl_str_mv e2cd0d87-3ff6-4c82-8830-9ca8dea454cc
67cdca60-d116-4f9c-81aa-5245f5336313
52b4ac9b-ae50-4378-9e6d-d078971edcbc
ab954bac-27b8-46ae-a94d-e65ff0299dfe
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 de Santa Maria
dc.publisher.program.fl_str_mv Programa de Pós-Graduação em Engenharia de Produção
dc.publisher.initials.fl_str_mv UFSM
dc.publisher.country.fl_str_mv BR
dc.publisher.department.fl_str_mv Engenharia de Produção
publisher.none.fl_str_mv Universidade Federal de Santa Maria
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
bitstream.url.fl_str_mv http://repositorio.ufsm.br/bitstream/1/8242/1/VOGT%2c%20FRANCISCO%20CARLOS.pdf
http://repositorio.ufsm.br/bitstream/1/8242/2/VOGT%2c%20FRANCISCO%20CARLOS.pdf.txt
http://repositorio.ufsm.br/bitstream/1/8242/3/VOGT%2c%20FRANCISCO%20CARLOS.pdf.jpg
bitstream.checksum.fl_str_mv ca26f48e4411425ada5f0e297debe922
3a4c25c5d5492530be8d729b55b71bef
0bb541cb7b2c900b6899137545a2d668
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv
_version_ 1794524372470333440

Registros relacionados